Prédictions KNN

Avec les données correctement mises en forme lors du dernier exercice, vous pouvez maintenant les utiliser pour estimer l’avis de user_001 sur Apollo 13 (1995).

Pour rappel, les données préparées dans l’exercice précédent (et chargées ici) sont :

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

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

Cet exercice fait partie du cours

Créer des moteurs de recommandation en Python

Afficher le cours

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Import the regressor
from sklearn.neighbors import ____

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

Modifier et exécuter le code