Pregătirea datelor pentru KNN
Acum că înțelegi cum funcționează K-nearest neighbors, poți folosi implementarea din scikit-learn, știind ce se întâmplă în culise.
În următoarele două exerciții, vei parcurge pașii necesari pentru a-ți pregăti datele pentru modelul KNN din scikit-learn și apoi vei folosi modelul pentru a estima ce rating ar da un utilizator unui film nevăzut.
Pentru consistență, vei lucra din nou cu User_1 și ratingul pe care l-ar acorda filmului Apollo 13 (1995) dacă l-ar vedea.
DataFrame-ul users_to_ratings a fost din nou încărcat. Acesta conține câte un rând pentru fiecare utilizator, iar valorile reprezintă ratingurile acordate.
De asemenea, a fost încărcat user_ratings_table, care conține valorile brute ale ratingurilor (fără centrare și fără completare cu zerouri).
Acest exercițiu face parte din cursul
Construirea motoarelor de recomandare în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# 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 = ____.____[[____]]