KNN डेटा को सही रूप में लाना
अब जब आप समझ गए हैं कि K-nearest neighbors कैसे काम करता है, तो आप scikit-learn में KNN के इम्प्लीमेंटेशन का लाभ उठा सकते हैं और यह भी पहचान सकते हैं कि अंदर-ही-अंदर क्या हो रहा है.
अगले दो अभ्यासों में, आप चरणबद्ध तरीके से सीखेंगे कि scikit-learn के KNN मॉडल के लिए अपना डेटा कैसे तैयार करें, और फिर इसका उपयोग करके यह अनुमान लगाएँ कि कोई यूज़र ऐसी फिल्म को क्या रेटिंग दे सकता है जो उसने अभी तक नहीं देखी.
संगति के लिए, आप फिर से User_1 के साथ काम करेंगे और यह अनुमान लगाएंगे कि अगर उन्होंने Apollo 13 (1995) देखी होती तो वे उसे क्या रेटिंग देते.
users_to_ratings DataFrame आपके लिए फिर से लोड कर दिया गया है. इसमें प्रत्येक यूज़र एक अलग पंक्ति में है और उन्होंने जो भी रेटिंग दी हैं वे मान (values) के रूप में मौजूद हैं.
इसी प्रकार, user_ratings_table भी लोड है, जिसमें कच्चे रेटिंग मान हैं (centering से पहले और zeros से भरने से पहले).
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में रिकमेंडेशन इंजन बनाना
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Drop the column you are trying to predict
users_to_ratings.____("Apollo 13 (1995)", axis=1, inplace=____)
# Get the data for the user you are predicting for
target_user_x = ____.____[[____]]