शुरू करेंमुफ़्त में शुरू करें

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!

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Unsupervised Learning

पाठ्यक्रम देखें

अभ्यास निर्देश

  • 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.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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 = ____
कोड संपादित करें और चलाएँ