НачатьНачать бесплатно

Рекомендации на основе бинарных данных

Как видно из значения ROEM, модели по-прежнему способны формировать содержательные прогнозы на тестовых данных. Теперь давайте посмотрим на сами рекомендации.

Функция col из класса pyspark.sql.functions уже импортирована.

Это упражнение является частью курса

Построение рекомендательных систем с помощью PySpark

Посмотреть курс

Инструкции к упражнению

  • Датафрейм original_ratings уже подготовлен. Он содержит исходные оценки, выставленные пользователями. Используйте .filter(), чтобы просмотреть исходные оценки пользователя 26.
  • Датафрейм binary_recs также подготовлен. Он содержит рекомендации для каждого пользователя. Используйте .filter(), чтобы просмотреть рекомендации для userId == 26. Соответствуют ли они тому, что предложила модель?
  • Выполните то же самое для пользователя 99. При желании можете проверить и других пользователей.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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()
Редактировать и запускать код