1. เรียนรู้
  2. /
  3. Courses
  4. /
  5. Python으로 추천 엔진 만들기

Connected

Exercises

KNN 데이터를 준비하기

이제 K-nearest neighbors가 어떻게 작동하는지 속속들이 이해하셨으니, 내부에서 어떤 일이 일어나는지 파악한 상태로 scikit-learn의 KNN 구현을 활용해 볼 수 있어요.

다음 두 개의 연습 문제에서는 scikit-learn의 KNN 모델에 맞게 데이터를 준비하는 방법을 단계별로 살펴보고, 이를 사용해 사용자가 아직 보지 않은 영화에 어떤 평점을 줄지 추론해 보겠습니다.

일관성을 위해, 이번에도 User_1이 Apollo 13 (1995)을(를) 봤다면 어떤 평점을 줄지 예측해 볼 거예요.

users_to_ratings DataFrame은 이미 불러와 두었습니다. 이 테이블에는 각 사용자가 한 행으로, 각자가 준 평점이 값으로 들어 있어요.

마찬가지로 user_ratings_table도 불러와 두었는데, 여기에는 정규화(중심화)나 0으로 채우기 이전의 원시 평점 값이 들어 있습니다.

คำแนะนำ 1 / 3

undefined XP
    1
    2
    3
  • 예측하려는 영화(Apollo 13 (1995))에 해당하는 열을 users_to_ratings DataFrame에서 제자리에서 삭제하세요.
  • 결과 users_to_ratings 테이블에서 user_001의 평점을 추출하여 target_user_x로 저장하세요.