Recomendações a partir de dados binários

Pelo ROEM, você vê que esses modelos ainda conseguem gerar previsões de teste úteis. Agora vamos olhar as recomendações de fato.

A função col da classe pyspark.sql.functions já foi importada para você.

Este exercicio faz parte do curso

Construindo mecanismos de recomendação com PySpark

Ver curso

Instruções do exercicio

O dataframe original_ratings foi fornecido. Ele contém as avaliações originais fornecidas pelos usuários. Use .filter() para examinar as avaliações originais do usuário 26.
O dataframe binary_recs também foi fornecido. Ele contém as recomendações para cada usuário. Use .filter() para examinar as recomendações de userId == 26. Elas parecem consistentes com as recomendações que o modelo forneceu?
Faça o mesmo com o usuário 99. Fique à vontade para analisar outros usuários.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# View user 26's original ratings
print ("User 26 Original Ratings:")
____.____(col("userId") == 26).show()

# View user 26's recommendations
print ("User 26 Recommendations:")
binary_recs.filter(col("____") == 26).show()

# View user 99's original ratings
print ("User 99 Original Ratings:")
____.filter(____("userId") == 99).show()

# View user 99's recommendations
print ("User 99 Recommendations:")
binary_recs.filter(col("userId") == ____).show()

Editar e Executar Código