Kom igångKom igång gratis

Rekommendationer från binär data

Som du ser utifrån ROEM kan de här modellerna fortfarande generera meningsfulla testprediktioner. Nu ska vi titta på de faktiska rekommendationerna.

Funktionen col från klassen pyspark.sql.functions har redan importerats åt dig.

Den här övningen är en del av kursen

Bygg rekommendationsmotorer med PySpark

Visa kurs

Övningsinstruktioner

  • Dataframe:n original_ratings finns redan tillgänglig. Den innehåller de ursprungliga betyg som användarna gav. Använd .filter() för att undersöka användare 26:s ursprungliga betyg.
  • Dataframe:n binary_recs finns också tillgänglig. Den innehåller rekommendationer för varje användare. Använd .filter() för att undersöka rekommendationerna för userId == 26. Verkar de stämma överens med modellens rekommendationer?
  • Gör samma sak för användare 99. Undersök gärna även andra användare.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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()
Redigera och kör kod