As recomendações fazem sentido

Agora que entendemos como o nosso modelo se saiu e temos certa confiança de que ele vai fornecer recomendações relevantes para os usuários, vamos de fato olhar as recomendações feitas a um usuário e ver se elas fazem sentido.

Os dados originais de avaliações estão disponíveis como original_ratings. Dê uma olhada nas avaliações originais do usuário 60 e do usuário 63 e compare com o que o ALS recomendou para eles. Na sua opinião, as recomendações são consistentes com as preferências originais deles?

Este exercicio faz parte do curso

Construindo mecanismos de recomendação com PySpark

Ver curso

Instruções do exercicio

Use o .filter() no dataframe original_ratings para garantir que col("userId") seja igual a 60 e ver as avaliações originais do usuário 60. Chame o método .sort() para ordenar a saída por rating e defina o argumento ascending como False para ver primeiro as maiores avaliações.
Use os métodos .filter() e .show() no conjunto de dados recommendations para ver as avaliações do usuário 60. Observe que, quando o ALS gera recomendações, elas são fornecidas em ordem decrescente por userId, então não há necessidade de ordenar o dataframe.
Faça o mesmo para o usuário 63.
Os gêneros recomendados têm alguma consistência com as avaliações originais de cada usuário?

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# Look at user 60's ratings
print("User 60's Ratings:")
original_ratings.filter(col("____") == 60).____("rating", ____ = False).show()

# Look at the movies recommended to user 60
print("User 60s Recommendations:")
____.____(col("userId") == ____).show()

# Look at user 63's ratings
print("User 63's Ratings:")
original_ratings.filter(col("____") == ____).____("rating", ____ = False).show()

# Look at the movies recommended to user 63
print("User 63's Recommendations:")
____.____(col("userId") == ____).show()

Editar e Executar Código