Przygotowanie danych dla KNN
Skoro wiesz już, jak działa metoda K-najbliższych sąsiadów, możesz skorzystać z jej implementacji w scikit-learn – rozumiejąc przy tym, co tak naprawdę dzieje się „pod maską".
W kolejnych dwóch ćwiczeniach przejdziesz krok po kroku przez proces przygotowania danych dla modelu KNN z scikit-learn, a następnie użyjesz go do przewidzenia oceny, jaką użytkownik mógłby wystawić filmowi, którego jeszcze nie widział.
Dla zachowania spójności znów pracujesz z User_1 i oceną, którą ta osoba mogłaby wystawić filmowi Apollo 13 (1995).
Załadowana została ramka danych users_to_ratings, w której każdy użytkownik zajmuje osobny wiersz, a wartości odpowiadają wystawionym przez niego ocenom.
Dostępna jest też tabela user_ratings_table z surowymi wartościami ocen (przed wycentrowaniem i uzupełnieniem zerami).
To ćwiczenie jest częścią kursu
Budowanie systemów rekomendacji w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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 = ____.____[[____]]