Empfehlungen mit SVD erstellen
Jetzt, wo du die neu berechnete Matrix mit allen aufgefüllten Lücken hast, ist der nächste Schritt, sie für Vorhersagen und Empfehlungen zu nutzen.
Verwende calc_pred_ratings_df, das du in der letzten Übung erzeugt hast und das alle Zeilen und Spalten enthält, um die Filme zu finden, die User_5 voraussichtlich am meisten gefallen.
Diese Übung ist Teil des Kurses
<Kurs>Recommendation Engines mit Python entwickeln</Kurs>Übungsanweisungen
- Finde die bestbewerteten Filme für
User_5, indem du alle fürUser_5generierten Bewertungen von hoch nach niedrig sortierst.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Sort the ratings of User 5 from high to low
user_5_ratings = ____.____[____,:].____(____=____)
print(user_5_ratings)