三、IMDb评分

IMDb简介

互联网电影数据库（英语：Internet Movie Database，简称IMDb）是一个关于电影演员、电影、电视节目、电视艺人、电子游戏和电影制作小组的在线数据库。

IMDb开办于1990年10月17日，从1998年开始成为亚马逊公司旗下的网站，在2020年是IMDb成立30周年。

IMDb的资料中包含了影片的众多信息、演员、片长、内容介绍、分级、评论等。对于电影的评分目前使用最多的就是IMDb评分

截止2018年6月21日，IMDb共收录了4734693部作品资料以及8702001名人物资料

1.评价定位：大众评价
2.评分逻辑：
（1）打分机制：十分制
（2）门槛：仅计算IMDb用户投票;5票一下，不计算评分
IMDb TOP250,算法逻辑：按照加权得分排序
（3）公式（贝叶斯算法）
加权分 W R = v v + m ∗ R + m v + m ∗ C 加权分 WR = \frac {v}{v+m} * R + \frac {m}{v+m} *C 加权分WR=v+mv∗R+v+mm∗C
说明：
R：电影的算法平均分
v：该电影投票数
m:进入IMDb top250 需要的最小投票数
C：目前所有电影的平均票数

import pandas as pd
import numpy as npmd = pd.read_csv('data/movies_metadata.csv')
print(md.head())vote_counts = md[md['vote_count'].notnull()]['vote_count'].astype('int')
vote_averages = md[md['vote_average'].notnull()]['vote_average'].astype('int')
C = vote_averages.mean()#平均票数m = vote_counts.quantile(0.95)#进入IMDb top250 需要的最小投票数md['year'] = pd.to_datetime(md['release_date'], errors='coerce').apply(lambda x: str(x).split('-')[0] if x != np.nan else np.nan)md['year'].head()qualified = md[(md['vote_count'] >= m) & (md['vote_count'].notnull()) & (md['vote_average'].notnull())][['title', 'year', 'vote_count', 'vote_average', 'popularity', 'genres']]
qualified['vote_count'] = qualified['vote_count'].astype('int')
qualified['vote_average'] = qualified['vote_average'].astype('int')
qualified.shapequalified.head()# 求IMDb得分
def weighted_rating(x):v = x['vote_count']R = x['vote_average']return (v/(v+m) * R) + (m/(m+v) * C)qualified['wr'] = qualified.apply(weighted_rating, axis=1)qualified.head()qualified = qualified.sort_values('wr', ascending=False).head(250)qualified.head(15)s = md.apply(lambda x: pd.Series(x['genres']),axis=1).stack().reset_index(level=1, drop=True)
s.name = 'genre'
gen_md = md.drop('genres', axis=1).join(s)md.head()# 根据类型 给用户推荐电影
def build_chart(genre, percentile=0.85):df = gen_md[gen_md['genre'] == genre]# 定义为整数型 方便计算  或者是float 不能是objectvote_counts = df[df['vote_count'].notnull()]['vote_count'].astype('int')vote_averages = df[df['vote_average'].notnull()]['vote_average'].astype('int')C = vote_averages.mean()m = vote_counts.quantile(percentile)# 选出top250 将没有值的数据删除  获取平均分 将没有值的数据删除qualified = df[(df['vote_count'] >= m) & (df['vote_count'].notnull()) & (df['vote_average'].notnull())][['title', 'year', 'vote_count', 'vote_average', 'popularity']]qualified['vote_count'] = qualified['vote_count'].astype('int')qualified['vote_average'] = qualified['vote_average'].astype('int')qualified['wr'] = qualified.apply(lambda x: (x['vote_count'] / (x['vote_count'] + m) * x['vote_average']) + (m / (m + x['vote_count']) * C),axis=1)# 排序 降序排列qualified = qualified.sort_values('wr', ascending=False).head(250)return qualifiedbuild_chart('Romance').head(15)

机器学习项目（五）电影推荐系统（二）相关推荐

基于Python机器学习算法的电影推荐系统以及票房预测系统
电影数据分析目录电影数据分析 1 一..实验概述 1 1.1 实验标 1 1.2 .实验完成情况 1 二..电影特征的可视化分析 2 电影票房预测 9 2.1 Data Augmentation ...
机器学习项目-音乐系统推荐系统-音乐分类-Pydub-python_speech_featrures MFCC-SVM
文章目录 1.项目说明 2.代码 2.1 代码结构 2.2 feature 2.3 svm 2.4 acc 2.5 class_demo 2.6 features_main 2.7 svm_main ...
java项目-第96期基于ssm+hadoop+spark的电影推荐系统-大数据毕业设计
java项目-第96期基于ssm+hadoop+spark的电影推荐系统 [源码请到资源专栏下载] 1.项目简述电影推荐系统,基于大数据分析的推荐系统,适合学习和企业应用. 首先电影推荐相对于其它推 ...
利用用户行为数据——基于Spark平台的协同过滤实时电影推荐系统项目系列博客（二）
系列文章目录初识推荐系统--基于Spark平台的协同过滤实时电影推荐系统项目系列博客(一) 利用用户行为数据--基于Spark平台的协同过滤实时电影推荐系统项目系列博客(二) 项目主要效果展示--基 ...
基础环境搭建——基于Spark平台的协同过滤实时电影推荐系统项目系列博客（五）
系列文章目录初识推荐系统--基于Spark平台的协同过滤实时电影推荐系统项目系列博客(一) 利用用户行为数据--基于Spark平台的协同过滤实时电影推荐系统项目系列博客(二) 项目主要效果展示--基 ...
Python机器学习实战教学——基于协同过滤的电影推荐系统（超详细教学，算法分析）
注重版权,转载请注明原作者和原文链接作者:Yuan-Programmer 结尾处有效果展示文章目录引言一.技术原理 (一)推荐算法介绍 (二)主流距离计算法 (三)余弦距离计算法二.数据介绍 ...
使用Java语言开发在线电影推荐网电影推荐系统豆瓣电影爬虫基于用户、物品的协同过滤推荐算法实现 SSM(Spring+SpringMVC+Mybatis)开发框架机器学习、人工智能、大数据开发
使用Java语言开发在线电影推荐网电影推荐系统豆瓣电影爬虫基于用户.物品的协同过滤推荐算法实现 SSM(Spring+SpringMVC+Mybatis)开发框架机器学习.人工智能.大数据开发 ...
使用Java+SSM框架+JSP开发简单在线电影推荐网电影推荐系统豆瓣电影爬虫基于用户、物品的协同过滤推荐算法大数据机器学习 SimpleMovieRecommendOnline
使用Java+SSM框架+JSP开发简单在线电影推荐网电影推荐系统豆瓣电影爬虫基于用户.物品的协同过滤推荐算法大数据机器学习 SimpleMovieRecommendOnline 一.项目简 ...
在线电影推荐网 Python+Django+Mysql 协同过滤推荐算法在电影网站中的运用基于用户、物品的协同过滤推荐算法开发在线电影推荐系统电影网站推荐系统人工智能、大数据、机器学习开发
在线电影推荐网 Python+Django+Mysql 协同过滤推荐算法在电影网站中的运用基于用户.物品的协同过滤推荐算法开发在线电影推荐系统电影网站推荐系统人工智能.大数据.机器学习开发 M ...
在线电影推荐网使用Python+Django+Mysql开发技术在线电影推荐系统电影网站推荐系统基于用户、物品的协同过滤推荐算法个性化推荐算法开发机器学习、人工智能、大数据分布式开发
在线电影推荐网使用Python+Django+Mysql开发技术在线电影推荐系统电影网站推荐系统基于用户.物品的协同过滤推荐算法个性化推荐算法开发机器学习.人工智能.大数据分布式开发 Mo ...

机器学习项目（五）电影推荐系统（二）

三、IMDb评分

IMDb简介

机器学习项目（五）电影推荐系统（二）相关推荐

最新文章

热门文章

机器学习项目（五） 电影推荐系统（二）

三、IMDb评分

IMDb简介

机器学习项目（五） 电影推荐系统（二）相关推荐

最新文章

热门文章

机器学习项目（五）电影推荐系统（二）

机器学习项目（五）电影推荐系统（二）相关推荐