ความเบาบางของเมทริกซ์

ความท้าทายที่พบบ่อยในข้อมูลการให้คะแนนในโลกจริงคือ ผู้ใช้ส่วนใหญ่จะไม่ได้ให้คะแนนไว้ครบทุกรายการ และแต่ละรายการก็มักจะมีผู้ใช้เพียงไม่กี่คนที่ให้คะแนน ทำให้ได้ DataFrame ที่มีข้อมูลกระจัดกระจายหรือที่เรียกว่า sparse

ในแบบฝึกหัดนี้ จะคำนวณระดับความเบาบาง (sparsity) ของข้อมูลการให้คะแนนใน movie_lens โดยนับจำนวนเซลล์ที่มีข้อมูลและเปรียบเทียบกับขนาดทั้งหมดของ DataFrame โดย DataFrame ชื่อ user_ratings_df ที่ใช้ในแบบฝึกหัดก่อนหน้า ซึ่งมีแถวแทนผู้ใช้และคอลัมน์แทนภาพยนตร์แต่ละเรื่อง ได้ถูกโหลดไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การสร้าง Recommendation Engine ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

นับจำนวนเซลล์ที่ไม่ว่างเปล่าใน user_ratings_df และเก็บผลลัพธ์ไว้ในตัวแปร sparsity_count
นับจำนวนเซลล์ทั้งหมดใน DataFrame user_ratings_df และเก็บไว้ในตัวแปร full_count
คำนวณค่า sparsity ของ DataFrame โดยหารจำนวนเซลล์ที่มีข้อมูลด้วยจำนวนเซลล์ทั้งหมด แล้วแสดงผลลัพธ์

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Count the occupied cells
sparsity_count = user_ratings_df.____().____.____()

# Count all cells
full_count = user_ratings_df.____

# Find the sparsity of the DataFrame
sparsity = ____ / ____
print(sparsity)

แก้ไขและรันโค้ด