ÎncepețiÎncepe gratuit

Recomandă artiști muzicali – partea I

În acest exercițiu și în cel următor, vei folosi ce ai învățat despre NMF pentru a recomanda artiști muzicali populari! Îți este furnizat un array sparse artists, ale cărui rânduri corespund artiștilor, iar coloanele corespund utilizatorilor. Valorile din array indică de câte ori a ascultat fiecare utilizator fiecare artist.

În acest exercițiu, construiește un pipeline și transformă array-ul în caracteristici NMF normalizate. Primul pas din pipeline, MaxAbsScaler, transformă datele astfel încât toți utilizatorii să aibă aceeași influență asupra modelului, indiferent de câți artiști diferiți au ascultat. În exercițiul următor, vei folosi caracteristicile NMF normalizate rezultate pentru a face recomandări!

Acest exercițiu face parte din cursul

Învățare nesupervizată în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Importă:
    • NMF din sklearn.decomposition.
    • Normalizer și MaxAbsScaler din sklearn.preprocessing.
    • make_pipeline din sklearn.pipeline.
  • Creează o instanță a clasei MaxAbsScaler numită scaler.
  • Creează o instanță NMF cu 20 de componente, numită nmf.
  • Creează o instanță a clasei Normalizer numită normalizer.
  • Creează un pipeline numit pipeline care înlănțuie scaler, nmf și normalizer.
  • Aplică metoda .fit_transform() a obiectului pipeline pe artists. Atribuie rezultatul variabilei norm_features.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Perform the necessary imports
from ____ import ____
from ____ import ____, ____
from ____ import ____

# Create a MaxAbsScaler: scaler
scaler = ____

# Create an NMF model: nmf
nmf = ____

# Create a Normalizer: normalizer
normalizer = ____

# Create a pipeline: pipeline
pipeline = ____

# Apply fit_transform to artists: norm_features
norm_features = ____
Editează și rulează codul