即使使用了tfidvectorizer函数，我也无法使用str将数字转换为字符串。我要求任何人为此提供解决方案。
dum['course_id']=str(dum['course_id'])
tf = TfidfVectorizer(analyzer='word',ngram_range=(1, 2),min_df=0, stop_words='english')
tfidf_matrix = tf.fit_transform(dum['course_id'])
我没有得到想要的正确输出，我将其用于推荐系统，因此使用课程ID（1,2,3,4 ....），我必须推荐类似的用户...但是输出给所有用户而不是显示相似的用户。
这是一些代码行，其中dum是数据集名称
dum ['course_id'] = str（dum ['course_id']）
tf = TfidfVectorizer（analyzer ='char'，ngram_range = {1，2），min_df = 0，stop_words ='english'）
tfidf_matrix = tf.fit_transform（dum ['course_id']）
tfidf_matrix.shape cosine_sim = linear_kernel（tfidf_matrix，tfidf_matrix）
userid = dum ['user_id'] index = pd.Series（dum.index，index = dum ['user_id']）
def get_recommendations_userid（userid）： idx =索引[用户ID]
sim_scores = list(enumerate(cosine_sim[idx]))
sim_scores = sorted(sim_scores, key=lambda x: x[1], reverse=True)
user_indices = [i[0] for i in sim_scores]
return user_indices[0:11]
get_recommendations_userid（2） [0，1，2，3，4，5，6，7，8，9，10]
输出为：[0、1、2、3、4、5、6、7、8、9、10]，这在我检查用户的相似性时不正确