ÎncepețiÎncepe gratuit

Recomandări din date binare

După cum observi din ROEM, aceste modele pot genera în continuare predicții relevante pe setul de testare. Acum să aruncăm o privire la recomandările efective.

Funcția col din clasa pyspark.sql.functions a fost deja importată pentru tine.

Acest exercițiu face parte din cursul

Construiește motoare de recomandare cu PySpark

Vezi cursul

Instrucțiuni pentru exercițiu

  • Dataframe-ul original_ratings este disponibil pentru tine. Conține ratingurile originale acordate de utilizatori. Folosește .filter() pentru a examina ratingurile originale ale utilizatorului 26.
  • Dataframe-ul binary_recs este de asemenea disponibil. Conține recomandările pentru fiecare utilizator. Folosește .filter() pentru a examina recomandările pentru userId == 26. Par să fie consistente cu recomandările generate de model?
  • Repetă același lucru pentru utilizatorul 99. Nu ezita să explorezi și alți utilizatori.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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()
Editează și rulează codul