Mulai sekarangMulai gratis

Apakah rekomendasi masuk akal

Sekarang setelah kita memahami seberapa baik kinerja model dan cukup yakin bahwa model akan memberikan rekomendasi yang relevan bagi pengguna, mari kita benar-benar melihat rekomendasi untuk seorang pengguna dan menilai apakah itu masuk akal.

Data rating asli disediakan sebagai original_ratings. Lihat rating asli pengguna 60 dan pengguna 63, lalu bandingkan dengan rekomendasi ALS untuk mereka. Menurut Anda, apakah rekomendasi tersebut konsisten dengan preferensi awal mereka?

Latihan ini merupakan bagian dari kursus

Membangun Recommendation Engine dengan PySpark

Lihat Kursus

Instruksi latihan

  • Gunakan .filter() pada dataframe original_ratings untuk memastikan col("userId") sama dengan 60 guna melihat rating asli pengguna 60. Panggil metode .sort() untuk mengurutkan keluaran berdasarkan rating dan setel argumen ascending ke False agar rating tertinggi muncul terlebih dahulu.
  • Gunakan metode .filter() dan .show() pada himpunan data recommendations untuk melihat rating pengguna 60. Perhatikan bahwa saat ALS menghasilkan rekomendasi, hasilnya disajikan dalam urutan menurun per userId, sehingga tidak perlu mengurutkan dataframe.
  • Lakukan hal yang sama untuk pengguna 63.
  • Apakah genre rekomendasi memiliki konsistensi dengan rating asli masing-masing pengguna?

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Look at user 60's ratings
print("User 60's Ratings:")
original_ratings.filter(col("____") == 60).____("rating", ____ = False).show()

# Look at the movies recommended to user 60
print("User 60s Recommendations:")
____.____(col("userId") == ____).show()

# Look at user 63's ratings
print("User 63's Ratings:")
original_ratings.filter(col("____") == ____).____("rating", ____ = False).show()

# Look at the movies recommended to user 63
print("User 63's Recommendations:")
____.____(col("userId") == ____).show()
Edit dan Jalankan Kode