เตรียมข้อมูลสำหรับ KNN
เมื่อเข้าใจหลักการทำงานของ K-nearest neighbors อย่างถ่องแท้แล้ว ก็สามารถนำ KNN ของ scikit-learn มาใช้งานได้เลย โดยยังคงเข้าใจกระบวนการที่เกิดขึ้นเบื้องหลัง
ในสองแบบฝึกหัดถัดไป จะได้ฝึกเตรียมข้อมูลสำหรับโมเดล KNN ของ scikit-learn แล้วนำมาใช้คาดการณ์ว่าผู้ใช้จะให้คะแนนภาพยนตร์ที่ยังไม่เคยดูเป็นเท่าไร
เพื่อให้สอดคล้องกับแบบฝึกหัดก่อนหน้า จะใช้ User_1 และคาดการณ์คะแนนที่ผู้ใช้รายนี้จะให้กับ Apollo 13 (1995) หากได้ดู
โหลด DataFrame ชื่อ users_to_ratings ไว้ให้แล้ว ซึ่งมีผู้ใช้แต่ละรายในแต่ละแถว และคะแนนที่ให้เป็นค่าของแต่ละคอลัมน์
นอกจากนี้ยังโหลด user_ratings_table ไว้ให้ด้วย ซึ่งเก็บค่าคะแนนดิบ (ก่อนการ centering และเติมค่าศูนย์).
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การสร้าง Recommendation Engine ด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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 = ____.____[[____]]