Mettere in forma i dati per KNN
Ora che conosci a fondo come funziona K-nearest neighbors, puoi sfruttare l'implementazione di KNN di scikit-learn sapendo cosa succede "sotto il cofano".
Nei prossimi due esercizi, vedrai come preparare i dati per il modello KNN di scikit-learn e poi usarlo per inferire quale valutazione un utente potrebbe dare a un film che non ha ancora visto.
Per coerenza, lavorerai di nuovo con User_1 e con la valutazione che darebbe a Apollo 13 (1995) se lo avesse visto.
Il DataFrame users_to_ratings è già stato caricato per te. Contiene ogni utente su una propria riga e, come valori, ciascuna valutazione data.
Allo stesso modo, è stato caricato user_ratings_table, che contiene i valori grezzi delle valutazioni (prima del centraggio e del riempimento con zeri).
Questo esercizio fa parte del corso
Creare motori di raccomandazione in Python
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Drop the column you are trying to predict
users_to_ratings.____("Apollo 13 (1995)", axis=1, inplace=____)
# Get the data for the user you are predicting for
target_user_x = ____.____[[____]]