फैक्टराइज़ेशन में सूचना का नुकसान
आप सोच सकते हैं कि कम कॉलम वाले फैक्टर्स किसी बड़े DataFrame को बिना नुकसान के कैसे समरी कर सकते हैं। वास्तव में, ऐसा नहीं होता — जो फैक्टर्स हम बनाते हैं, वे आमतौर पर डेटा का एक क़रीबी अनुमान (approximation) होते हैं, क्योंकि कुछ जानकारी का खोना अपरिहार्य है। इसका मतलब है कि प्रेडिक्ट किए गए मान बिल्कुल सटीक नहीं होंगे, लेकिन इतने नज़दीक होंगे कि उपयोगी साबित हों।
इस अभ्यास में, आप पिछले अभ्यास वाले उसी मूल प्री-फैक्टराइज़ेशन DataFrame को, जो original_df के रूप में लोड है, देखेंगे और उसके दो फैक्टर्स user_matrix और item_matrix के गुणनफल से तुलना करेंगे।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में रिकमेंडेशन इंजन बनाना
अभ्यास निर्देश
user_matrixऔरitem_matrixका डॉट प्रोडक्ट निकालकर उसेpredictions_dfके रूप में सहेजें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
import numpy as np
# Multiply the user and item matrices
predictions_df = ____.____(____, ____)
# Inspect the recreated DataFrame
print(predictions_df)
# Inspect the original DataFrame and compare
print(original_df)