Vous venez de voir comment les K plus proches voisins peuvent servir à déduire la note qu’une personne pourrait attribuer à un élément en s’appuyant sur la sagesse d’un groupe (similaire). Dans cet exercice, vous allez parcourir vous-même ce processus pour bien comprendre son fonctionnement.

Pour vous faire gagner du temps, comme vous avez déjà généré des matrices de similarité à plusieurs reprises, cette étape a été effectuée pour vous : la matrice de similarité entre utilisateurs a été encapsulée dans un DataFrame chargé sous le nom user_similarities.

Chaque utilisateur apparaît à la fois en lignes et en colonnes, et leur intersection contient le score de similarité correspondant.

Dans cet exercice, vous allez travailler avec les scores de similarité de user_001, trouver ses plus proches voisins et, à partir des notes que ces voisins ont attribuées à un film, déduire la note que user_001 pourrait lui donner s’il le voyait.

Basé sur les articles ou sur les utilisateurs

Create Your Free Account