参考にされたコードは Create Your Own Movie Movie Recommendation System と推測し,そこからコードを集めて確かめてみると 'Iron Man'
ではエラーは生じませんが 'First Daughter'
では同様のエラーが生じます。
import pandas as pd
from scipy.sparse import csr_matrix
from sklearn.neighbors import NearestNeighbors
def get_movie_recommendation(movie_name):
n_movies_to_recommend = 2
movie_list = movies[movies['title'].str.contains(movie_name)]
if len(movie_list):
movie_idx = movie_list.iloc[0]['movieId']
movie_idx = final_dataset[final_dataset['movieId'] == movie_idx].index[0]
distances, indices = knn.kneighbors(
csr_data[movie_idx], n_neighbors=n_movies_to_recommend+1)
rec_movie_indices = sorted(
list(zip(indices.squeeze().tolist(), distances.squeeze().tolist())),
key=lambda x: x[1])[:0:-1]
recommend_frame = []
for val in rec_movie_indices:
movie_idx = final_dataset.iloc[val[0]]['movieId']
idx = movies[movies['movieId'] == movie_idx].index
recommend_frame.append({'Title': movies.iloc[idx]['title'].values[0],
'Distance': val[1]})
df = pd.DataFrame(recommend_frame,
index=range(1, n_movies_to_recommend+1))
return df
else:
return "No movies found. Please check your input"
movies = pd.read_csv('ml-latest-small/movies.csv')
ratings = pd.read_csv('ml-latest-small/ratings.csv')
final_dataset = ratings.pivot(index='movieId', columns='userId',
values='rating').fillna(0)
no_user_voted = ratings.groupby('movieId')['rating'].agg('count')
no_movies_voted = ratings.groupby('userId')['rating'].agg('count')
final_dataset = final_dataset.loc[no_user_voted[no_user_voted > 10].index, :]
final_dataset = final_dataset.loc[:, no_movies_voted[no_movies_voted > 50].index]
csr_data = csr_matrix(final_dataset.values)
final_dataset.reset_index(inplace=True)
knn = NearestNeighbors(metric='cosine', algorithm='brute',
n_neighbors=20, n_jobs=-1)
knn.fit(csr_data)
# print(get_movie_recommendation('Iron Man'))
print(get_movie_recommendation('First Daughter'))
エラーの内容からすると 'First Daughter'
がタイトルに含まれる movies
の行(映画) が final_dataset
には存在しないのでエラーが生じているようです。改めてコードを確認すると(データのノイズを減らすため) final_dataset
を行(映画)単位で絞っている下記の記述がありましたので,これをコメントアウトすると 'First Daughter'
でもエラーは生じなくなりました。
final_dataset = final_dataset.loc[no_user_voted[no_user_voted > 10].index, :]
逆に,(上記をコメントアウトせずに)下記に示すように movies
を final_dataset
と同じ条件で絞ってもエラーは生じなくなります。ただし,'First Daughter'
の場合は movies
のタイトルから見つけられなくなります。
movies.set_index('movieId', inplace=True)
movies = movies.loc[no_user_voted[no_user_voted > 10].index, :]
movies.reset_index(inplace=True)
なお,今回の件とは関係ありませんが距離がより近い映画を上位に推薦する方が自然なので下記のように変更したくなります。
# key=lambda x: x[1])[:0:-1]
key=lambda x: x[1])[1:n_movies_to_recommend+1]
final_dataset['movieId'] == movie_idx
に合致するデータが存在しないのかもしれませんね。