KNN-Vorhersagen

Mit den korrekt aufbereiteten Daten aus der letzten Übung kannst du jetzt ableiten, wie user_001 zu Apollo 13 (1995) stehen könnte.

Zur Erinnerung: Die Daten, die du in der letzten Übung vorbereitet hast (und die hier geladen wurden), sind:

target_user_x – zentrierte Bewertungen, die user_001 den bereits gesehenen Filmen gegeben hat.
other_users_x – zentrierte Bewertungen für alle anderen Nutzenden und die von ihnen bewerteten Filme, ohne den Film Apollo 13.
other_users_y – Rohbewertungen, die alle anderen Nutzenden dem Film Apollo 13 gegeben haben.

Du wirst other_users_x und other_users_y verwenden, um einen KNeighborsRegressor aus scikit-learn zu fitten und damit vorherzusagen, wie user_001 Apollo 13 (1995) bewertet hätte.

Diese Übung ist Teil des Kurses

Recommendation Engines mit Python entwickeln

Kurs anzeigen

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import the regressor
from sklearn.neighbors import ____

# Instantiate the user KNN model
user_knn = KNeighborsRegressor(____=____, ____=____)

Code bearbeiten und ausführen