gabraganca

# Obtém os resultados do Grid Search
df_results = pd.DataFrame.from_dict(gs.cv_results)
df_results.columns = df_results.columns.str.replace('param_','')

# Grafica os mapas de calor
n_epochs = len(param_grid['n_epochs'])
fig, axes = plt.subplots(nrows=n_epochs, ncols=3, figsize=(22, 6*n_epochs))

for ax_row, n_epoch in zip(axes, param_grid['n_epochs']):
    for ax, metric in zip(ax_row, ['mae', 'rmse', 'time']):

gabraganca

# Treinando algoritmo obtido com menor MAE
algo_svd_mae = gs.best_estimator['mae']
algo_svd_mae.fit(full_trainset)
print(get_rec_movies('Esposa', algo_svd_mae)) #Lista de filmes

# Treinando algoritmo obtido com menor RMSE
algo_svd_rmse = gs.best_estimator['rmse']
algo_svd_rmse.fit(full_trainset)
print(get_rec_movies('Esposa', algo_svd_rmse)) #Lista de filmes