Začněte nyníZačněte zdarma

Doporučování hudebních interpretů – část II

Představ si, že jsi velkým fanouškem Bruce Springsteena – kteří další hudební interpreti by se ti mohli líbit? Využij NMF příznaky z předchozího cvičení a kosinovou podobnost k nalezení podobných hudebních interpretů. Řešení předchozího cvičení už bylo spuštěno, takže norm_features je pole obsahující normalizované NMF příznaky jako řádky. Jména hudebních interpretů jsou dostupná jako seznam artist_names.

Toto cvičení je součástí kurzu

Unsupervised Learning in Python

Zobrazit kurz

Pokyny k cvičení

  • Importuj pandas jako pd.
  • Vytvoř DataFrame df z norm_features a jako index použij artist_names.
  • Pomocí accessoru .loc[] na DataFrame df vyber řádek odpovídající 'Bruce Springsteen'. Výsledek ulož do proměnné artist.
  • Aplikuj metodu .dot() na DataFrame df s argumentem artist pro výpočet skalárního součinu každého řádku s artist. Výsledek ulož jako similarities.
  • Vypiš výsledek metody .nlargest() zavolané na similarities, aby se zobrazili interpreti nejpodobnější 'Bruce Springsteenovi'.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import pandas
____

# Create a DataFrame: df
df = ____

# Select row of 'Bruce Springsteen': artist
artist = df.loc[____]

# Compute cosine similarities: similarities
similarities = ____

# Display those with highest cosine similarity
____
Upravit a spustit kód