Příprava dat pro KNN
Teď, když rozumíš tomu, jak K-nearest neighbors funguje, můžeš využít implementaci KNN ze scikit-learn a přitom vědět, co se děje pod pokličkou.
V následujících dvou cvičeních si projdeš, jak připravit data pro KNN model ze scikit-learn, a pak ho použiješ k tomu, abys odhadl/a, jaké hodnocení by uživatel dal filmu, který ještě neviděl.
Pro konzistenci budeš opět pracovat s User_1 a hodnocením, které by dal/a filmu Apollo 13 (1995).
DataFrame users_to_ratings je opět načten. Obsahuje jednoho uživatele na každém řádku a hodnocení, která udělil, jako hodnoty.
Steně tak je načten user_ratings_table, který obsahuje surové hodnoty hodnocení (před centrováním a doplněním nulami).
Toto cvičení je součástí kurzu
Tvorba doporučovacích systémů v Pythonu
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Drop the column you are trying to predict
users_to_ratings.____("Apollo 13 (1995)", axis=1, inplace=____)
# Get the data for the user you are predicting for
target_user_x = ____.____[[____]]