Du hast dir jetzt zwei verschiedene KNN-Ansätze angeschaut. Der erste war Item-Item-KNN: Dabei nimmst du den Durchschnitt der \(k\) ähnlichsten Filme, die ein Nutzer bewertet hat, um eine Bewertung für einen Film vorzuschlagen, den er noch nicht gesehen hat. Der andere Ansatz war User-User-KNN: Dabei nutzt du den Durchschnitt der Bewertungen, die die \(k\) ähnlichsten Nutzer dem Film gegeben haben, um vorherzusagen, welche Bewertung der Zielnutzer dem Film geben würde.

Jetzt vergleichst du beide Ansätze und berechnest, welche Bewertung user_002 Forrest Gump geben würde.

Der Code für das Modell user_rating_predictor (sagt basierend auf den Bewertungen ähnlicher Nutzer die Bewertung voraus) und movie_rating_predictor (sagt basierend auf den Bewertungen dieses Nutzers für ähnliche Filme die Bewertung voraus) wurde bereits für dich vorbereitet.

KNeighborsRegressor wurde für dich importiert.

Item-basiert oder User-basiert

Create Your Free Account