# movie_recommendation_APP_question

**Repository Path**: xv514/movie_recommendation_app_question

## Basic Information

- **Project Name**: movie_recommendation_APP_question
- **Description**: 使用sklearn的KNN实现电影推荐应用
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 316
- **Created**: 2025-09-12
- **Last Updated**: 2025-09-18

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 电影推荐应用

## 项目简介

本项目是一个基于KNN（K-最近邻）算法的电影推荐系统模拟。用户可以为两部电影进行评分，系统会根据用户的评分和历史数据预测用户可能偏好的电影类型（动作片或喜剧片）。该项目适合初学者学习机器学习基础和Python界面开发。

## 功能说明

- 支持用户为两部电影分别打分（1-5分）。
- 用户可选择自己偏好的电影类型（动作片或喜剧片）。
- 用户评分和偏好会被记录到本地CSV文件中，作为训练数据。
- 系统可根据已有数据和新评分，预测用户可能喜欢的电影类型。
- 支持数据可视化，展示所有用户评分分布及预测结果。
- 提供清空数据功能，方便重新实验。

## 软件架构

### 主要技术与库

- **Python**：主程序语言
- **tkinter**：用于构建图形化用户界面
- **pandas**：用于数据读取、存储和处理
- **scikit-learn**：实现KNN算法，进行模型训练与预测
- **matplotlib**：用于数据可视化
- **Pillow**：用于图片处理和显示

### 主要文件说明

- `2_movie_rating_APP.py`：主程序文件，包含界面、数据处理、模型训练与预测等全部功能。
- `ratings.csv`：用户评分和偏好数据文件，自动生成和维护。
- `post1_relie.jpg`、`post2_family.jpg`：电影海报图片，用于界面展示。
- `1_movie_KNN.ipynb`：KNN算法原理与实验演示Jupyter Notebook。

### 主要类和方法

- `MovieRatingApp`：主应用类，负责界面布局、事件响应、数据处理、模型训练与预测。
  - `confirm()`：保存用户评分和偏好
  - `clear_plot()`：清空所有评分数据
  - `plot_ratings()`：可视化所有评分数据
  - `predict_preference()`：根据评分预测用户偏好类型

## 安装与运行

1. 安装 Python 3.x 及以下依赖库（可用命令安装）：
   ```
   pip install pandas scikit-learn matplotlib pillow
   ```
2. 下载本项目所有文件，并确保图片文件与主程序在同一目录下。
3. 补全所有代码中的 `#TODO` 部分（见代码注释）。
4. 在命令行中运行：
   ```
   python 2_movie_rating_APP.py
   ```
   即可启动应用。

## 使用方法

1. 启动后，界面左侧显示两部电影的图片和评分选项。
2. 选择每部电影的评分（1-5分）。
3. 选择你偏好的电影类型（动作片或喜剧片）。
4. 点击“Confirm”按钮，保存你的评分和偏好到本地数据文件。
5. 点击“Predict”按钮，系统会根据你的评分和历史数据预测你可能喜欢的电影类型，并在界面上显示结果。
6. 可点击“Clear”按钮清空所有评分数据，重新开始实验。
7. 右侧图表会实时展示所有用户评分分布和预测点。

## 数据说明

- 用户每次评分和偏好选择都会被记录到 `ratings.csv` 文件中，作为KNN模型的训练数据。
- 预测时，系统会用所有历史数据进行KNN推理，推荐最可能的电影类型。

## 适用场景

- 机器学习入门实验
- Python界面开发练习
- 推荐系统原理演示

## 个人信息

- 学号：202352320224
- 年级：2023
- 专业：智能科学与技术
- 班级：二班