KNN 用データの下ごしらえ
K-nearest neighbors の仕組みを理解したので、scikit-learn の KNN 実装を使いながら、その内部で何が行われているかも意識できるようになります。
次の2つの演習では、まず scikit-learn の KNN モデルに合わせてデータを用意し、その後、ユーザーがまだ見ていない映画にどんな評価を付けそうかを推論します。
一貫性のため、今回も User_1 がもし Apollo 13 (1995) を見たらどんな評価を付けるか、を題材に進めます。
users_to_ratings DataFrame は読み込まれており、各ユーザーが行、各映画への評価が値として入っています。
同様に、user_ratings_table も読み込まれており、こちらには生の評価値（中心化やゼロ埋め前）が含まれています。
この演習はコースの一部です
Pythonでつくるレコメンデーションエンジン
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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 = ____.____[[____]]