शुरू करेंमुफ़्त में शुरू करें

बाइनरी डेटा से सिफारिशें

ROEM से आप देखते हैं कि ये मॉडल अब भी अर्थपूर्ण टेस्ट प्रेडिक्शंस बना सकते हैं. अब वास्तविक सिफारिशों पर नज़र डालते हैं.

pyspark.sql.functions क्लास से col फंक्शन आपके लिए इम्पोर्ट कर दिया गया है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

PySpark के साथ Recommendation Engines बनाना

पाठ्यक्रम देखें

अभ्यास निर्देश

  • आपके लिए original_ratings dataframe दिया गया है. इसमें यूज़र्स द्वारा दिए गए मूल ratings हैं. यूज़र 26 के मूल ratings देखने के लिए .filter() का उपयोग करें.
  • binary_recs dataframe भी दिया गया है. इसमें हर यूज़र के लिए सिफारिशें हैं. userId == 26 की सिफारिशें देखने के लिए .filter() का उपयोग करें. क्या ये मॉडल द्वारा दी गई सिफारिशों के अनुरूप लगती हैं?
  • यही काम यूज़र 99 के साथ भी करें. अन्य यूज़र्स को भी बेझिझक जाँचें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# View user 26's original ratings
print ("User 26 Original Ratings:")
____.____(col("userId") == 26).show()

# View user 26's recommendations
print ("User 26 Recommendations:")
binary_recs.filter(col("____") == 26).show()

# View user 99's original ratings
print ("User 99 Original Ratings:")
____.filter(____("userId") == 99).show()

# View user 99's recommendations
print ("User 99 Recommendations:")
binary_recs.filter(col("userId") == ____).show()
कोड संपादित करें और चलाएँ