Prédictions KNN

Avec les données mises en forme correctement dans l'exercice précédent, vous pouvez maintenant en déduire ce que user_001 pense de Apollo 13 (1995).

Rappel : les données que vous avez préparées dans l'exercice précédent (et qui ont été chargées ici) sont :

target_user_x - Notes centrées que user_001 a attribuées aux films qu'il a vus.
other_users_x - Notes centrées pour tous les autres utilisateurs et les films qu'ils ont évalués, en excluant le film Apollo 13.
other_users_y - Notes brutes que tous les autres utilisateurs ont attribuées au film Apollo 13.

Vous utiliserez other_users_x et other_users_y pour ajuster un KNeighborsRegressor de scikit-learn et l'utiliser pour prédire la note que user_001 aurait donnée à Apollo 13 (1995).

Cette activité fait partie du cours

Créer des moteurs de recommandation en Python

Voir le cours

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Import the regressor
from sklearn.neighbors import ____

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

Modifier et exécuter le code