Doporučení z binárních dat

Z hodnoty ROEM vidíš, že tyto modely dokážou generovat smysluplné předpovědi na testovacích datech. Pojďme se teď podívat na samotná doporučení.

Funkce col z třídy pyspark.sql.functions je již naimportovaná.

Toto cvičení je součástí kurzu

Tvorba doporučovacích systémů s PySparkem

Zobrazit kurz

Pokyny k cvičení

K dispozici máš dataframe original_ratings s původními hodnoceními uživatelů. Pomocí .filter() prozkoumej původní hodnocení uživatele 26.
K dispozici je také dataframe binary_recs s doporučeními pro jednotlivé uživatele. Pomocí .filter() prozkoumej doporučení pro userId == 26. Odpovídají doporučením, která model poskytl?
Totéž proveď pro uživatele 99. Klidně prozkoumej i další uživatele.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# View user 26's original ratings
print ("User 26 Original Ratings:")
____.____(col("userId") == 26).show()

# View user 26's recommendations
print ("User 26 Recommendations:")
binary_recs.filter(col("____") == 26).show()

# View user 99's original ratings
print ("User 99 Original Ratings:")
____.filter(____("userId") == 99).show()

# View user 99's recommendations
print ("User 99 Recommendations:")
binary_recs.filter(col("userId") == ____).show()

Upravit a spustit kód