CommencerCommencer gratuitement

Recommander des artistes musicaux, première partie

Dans cet exercice et le suivant, vous utiliserez ce que vous avez appris sur le NMF pour recommander des artistes de musique populaires. On vous fournit un tableau clairsemé artists dont les lignes correspondent aux artistes et les colonnes aux utilisateurs. Les entrées indiquent le nombre de fois où chaque artiste a été écouté par chaque utilisateur.

Dans cet exercice, veuillez créer un pipeline et transformer le tableau en caractéristiques NMF normalisées. La première étape du processus, MaxAbsScaler, transforme les données afin que tous les utilisateurs aient la même influence sur le modèle, quel que soit le nombre d'artistes différents qu'ils ont écoutés. Dans l'exercice suivant, vous utiliserez les caractéristiques NMF normalisées obtenues pour faire des recommandations.

Cet exercice fait partie du cours

Apprentissage non supervisé en Python

Afficher le cours

Instructions

  • Importation :

    • NMF Extrait de sklearn.decomposition.

    • Normalizer et MaxAbsScaler provenant de sklearn.preprocessing.

    • make_pipeline Extrait de sklearn.pipeline.

  • Veuillez créer une instance d'MaxAbsScaler nommée scaler.

  • Créez une instance d'NMF avec les composants 20 appelée nmf.

  • Veuillez créer une instance d'Normalizer nommée normalizer.

  • Veuillez créer un pipeline nommé « pipeline » qui enchaîne les éléments suivants : « scaler », « nmf » et « normalizer ».

  • .fit_transform() Veuillez appliquer la méthode de demande d'exemption de responsabilité de pipeline à artists. Affectez le résultat à norm_features.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Perform the necessary imports
from ____ import ____
from ____ import ____, ____
from ____ import ____

# Create a MaxAbsScaler: scaler
scaler = ____

# Create an NMF model: nmf
nmf = ____

# Create a Normalizer: normalizer
normalizer = ____

# Create a pipeline: pipeline
pipeline = ____

# Apply fit_transform to artists: norm_features
norm_features = ____
Modifier et exécuter le code