संगीत कलाकारों की सिफारिश भाग I

इस अभ्यास और अगले वाले में, आप NMF के बारे में सीखी हुई बातों का उपयोग करके लोकप्रिय संगीत कलाकारों की सिफारिश करेंगे! आपको एक sparse array artists दिया गया है, जिसकी पंक्तियाँ कलाकारों से और स्तंभ उपयोगकर्ताओं से मेल खाते हैं. प्रविष्टियाँ बताती हैं कि प्रत्येक उपयोगकर्ता ने प्रत्येक कलाकार को कितनी बार सुना.

इस अभ्यास में, एक पाइपलाइन बनाएँ और array को normalized NMF फीचर्स में ट्रांसफॉर्म करें. पाइपलाइन का पहला चरण MaxAbsScaler है, जो डेटा को इस तरह ट्रांसफॉर्म करता है कि सभी उपयोगकर्ताओं का मॉडल पर समान प्रभाव हो, भले ही उन्होंने कितने भी अलग-अलग कलाकारों को क्यों न सुना हो. अगले अभ्यास में, आप प्राप्त normalized NMF फीचर्स का उपयोग सिफारिश के लिए करेंगे!

इम्पोर्ट करें:
- sklearn.decomposition से NMF.
- sklearn.preprocessing से Normalizer और MaxAbsScaler.
- sklearn.pipeline से make_pipeline.
MaxAbsScaler का एक इंस्टेंस scaler नाम से बनाएँ.
20 कॉम्पोनेंट्स के साथ एक NMF इंस्टेंस nmf नाम से बनाएँ.
Normalizer का एक इंस्टेंस normalizer नाम से बनाएँ.
scaler, nmf, और normalizer को चेन करते हुए pipeline नाम की एक पाइपलाइन बनाएँ.
pipeline की .fit_transform() मेथड को artists पर लागू करें. परिणाम norm_features को असाइन करें.

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}अभ्यास

निर्देश

अभ्यास