推荐电影机器学习X_train

Question

嗨，对于我推荐的电影，我使用TF-IDF，但我有一个形状错误。

from sklearn.feature_extraction.text import TfidfVectorizer
tfidf = TfidfVectorizer(analyzer='word', ngram_range=(1, 2), min_df=0, stop_words='english')
tfidf_matrix = tfidf.fit_transform(X_train.summary)
tfidf_matrix.shape

OutPut：

 (3933, 56162)

然后：

from sklearn.metrics.pairwise import linear_kernel

# Compute the cosine similarity matrix
cosine_sim = linear_kernel(tfidf_matrix, tfidf_matrix)

def get_recommendations(title):
    # Get the index of the movie that matches the title
    idx = indices[title.lower()]
    summary = data.summary[idx]
    tfidf_vect = tfidf.transform([summary])
    cosine_sim = linear_kernel(tfidf_matrix, tfidf_vect)
    dis = cosine_sim - (np.abs(data.release_date - 
    data.release_date[idx]/56000)).to_numpy().reshape((-1,1)) 
    movie_indices = dis.argsort(axis=0)[-5:][::-1].reshape((-1))
    return pd.DataFrame(data[['title','release_date']].iloc[movie_indices])

输出错误：

 ValueError: operands could not be broadcast together with shapes (3933,1) (4917,1) 

Answer 1

你不能对任何形状使用python广播。在以下情况下，两个维度是兼容的

• 它们相等，或者
• 其中之一是1

如果不满足这些条件，则会抛出ValueError:操作数不能一起广播异常，指示数组具有不兼容的形状。结果数组的大小是沿输入数组的每个维度的最大大小。

如果您不熟悉python广播，请查看documentation获取详细信息。