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

<cours>Créer des moteurs de recommandation en Python</cours>

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