Predykcje KNN
Dane mają już odpowiedni kształt po poprzednim ćwiczeniu – możesz teraz użyć ich do przewidzenia oceny, jaką user_001 wystawiłby filmowi Apollo 13 (1995).
Dla przypomnienia, dane przygotowane w poprzednim ćwiczeniu (i wczytane do tego) to:
target_user_x– wycentrowane oceny wystawione przezuser_001filmom, które już obejrzał.other_users_x– wycentrowane oceny wszystkich pozostałych użytkowników dla filmów, które ocenili, z wyłączeniem Apollo 13.other_users_y– surowe oceny wystawione filmowi Apollo 13 przez wszystkich pozostałych użytkowników.
Użyjesz other_users_x i other_users_y, aby wytrenować model KNeighborsRegressor z biblioteki scikit-learn, a następnie przewidzieć, jaką ocenę user_001 mógłby wystawić filmowi Apollo 13 (1995).
To ćwiczenie jest częścią kursu
Budowanie systemów rekomendacji w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import the regressor
from sklearn.neighbors import ____
# Instantiate the user KNN model
user_knn = KNeighborsRegressor(____=____, ____=____)