시작하기무료로 시작하기

음악 아티스트 추천 I

이번 연습 문제와 다음 연습 문제에서는 NMF로 인기 음악 아티스트를 추천해 볼 거예요! 희소 배열 artists가 주어지며, 행은 아티스트, 열은 사용자에 해당해요. 각 원소는 각 사용자가 해당 아티스트의 음악을 들은 횟수를 나타냅니다.

이번 연습에서는 파이프라인을 구성하고 배열을 정규화된 NMF 특징으로 변환하세요. 파이프라인의 첫 단계인 MaxAbsScaler는 사용자가 얼마나 다양한 아티스트를 들었는지와 무관하게, 모든 사용자가 모델에 동일한 영향을 미치도록 데이터를 변환합니다. 다음 연습에서는 이렇게 얻은 정규화된 NMF 특징을 사용해 추천을 수행할 거예요!

이 연습은 강의의 일부입니다

Python으로 배우는 Unsupervised Learning

강의 보기

연습 안내

  • 다음을 임포트하세요:
    • sklearn.decomposition에서 NMF.
    • sklearn.preprocessing에서 Normalizer와 MaxAbsScaler.
    • sklearn.pipeline에서 make_pipeline.
  • MaxAbsScaler 인스턴스를 만들어 scaler라고 하세요.
  • 컴포넌트가 20개인 NMF 인스턴스를 만들어 nmf라고 하세요.
  • Normalizer 인스턴스를 만들어 normalizer라고 하세요.
  • scaler, nmf, normalizer를 차례로 연결한 파이프라인을 만들어 pipeline이라고 하세요.
  • pipeline의 .fit_transform() 메서드를 artists에 적용하고, 결과를 norm_features에 할당하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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 = ____
코드 편집 및 실행