LoslegenKostenlos loslegen

Empfehlungen für Musiker Teil II

Angenommen, du bist ein großer Fan von Bruce Springsteen – welche anderen Musiker könnten dir gefallen? Nutze die NMF-Funktionen aus der letzten Übung und die Kosinusähnlichkeit, um ähnliche Musiker zu finden. Eine Lösung für die vorherige Übung wurde ausgeführt, sodass „ norm_features “ ein Array ist, das die normalisierten NMF-Merkmale als Zeilen enthält. Die Namen der Musiker findest du in der Liste „ artist_names “.

Diese Übung ist Teil des Kurses

Unüberwachtes Lernen in Python

Kurs anzeigen

Anleitung zur Übung

  • Importiere pandas als pd.
  • Erstell einen DataFrame „ df ” aus „ norm_features ”, wobei „ artist_names ” als Index verwendet wird.
  • Verwende den Zugriff „ .loc[] ” von „ df ”, um die Zeile „ 'Bruce Springsteen' ” auszuwählen. Weise das Ergebnis artist zu.
  • Wende die Methode „ .dot() ” von df auf artist an, um das Skalarprodukt jeder Zeile mit artist zu berechnen. Speichere das Ergebnis als similarities.
  • Druck das Ergebnis der Methode „ .nlargest() “ von „ similarities “, um die Künstler anzuzeigen, die „ 'Bruce Springsteen' “ am ähnlichsten sind.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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
____
Code bearbeiten und ausführen