人工智能-项目实践-推荐算法-基于豆瓣电影用户数据使用Canop+K-means聚类实现的协同过滤推荐算法
2022-06-27 13:05:21
57.63MB
代码如下
from bs4 import BeautifulSoup #网页解析，获取数据
import sys #正则表达式，进行文字匹配
import re
import urllib.request,urllib.error #指定url，获取网页数据
import xlwt #使用表格
import sqlite3
import lxml
以上是引用的库，引用库的方法很简单，直接上图：
上面第一步算有了，下面分模块来，步骤算第二步来：
这个放在开头
def main():
baseurl ="https://movie.douban.com/top250?start="
2022-06-26 22:34:15
134KB
1
【字段】
电影名称、投票人数、类型、产地、上映时间、时长、年代、评分、首映地点
【用途】
该数据集非常适用了Python数据分析入门，是学习NumPy 、Pandas、Matplotlib的练手数据集
2022-06-26 19:09:06
2.92MB
小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码+截图)小程序源码 豆瓣电影 (代码
2022-06-19 11:04:20
3.69MB
小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码+截图)小程序源码 豆瓣图书 (代码
2022-06-19 11:04:20
58KB
针对本次实验，我们需要用到Hadoop集群作为模拟大数据的分析软件，集群环境必须要包括，hdfs，hbase，hive，flume，sqoop等插件，最后结合分析出来的数据进行可视化展示，需要用到Python（爬取数据集，可视化展示）或者echarts等可视化工具。
豆瓣用户每天都在对“看过”的电影进行“很差”到“力荐”的评价，豆瓣根据每部影片看过的人数以及该影片所得的评价等综合数据，通过算法分析产生豆瓣电影 Top 250。
为了分析电影产业的发展趋势，本次实验需要对这些信息做统计分析。
注意：豆瓣网站的数据形式为文本文件（必须将导入到hive中做处理）。也可以为CSV文件，例如下图：
2022-06-17 09:10:53
14KB