เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

คำแนะนำจากข้อมูลแบบไบนารี

จากค่า ROEM จะเห็นว่าโมเดลเหล่านี้ยังสามารถสร้างการทำนายบนชุดทดสอบที่มีความหมายได้ มาดูคำแนะนำจริง ๆ กัน

ฟังก์ชัน col จากคลาส pyspark.sql.functions ถูก import ไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การสร้าง Recommendation Engines ด้วย PySpark

ดูคอร์ส

คำแนะนำการฝึกหัด

  • dataframe original_ratings ถูกเตรียมไว้ให้แล้ว โดยมีคะแนนที่ผู้ใช้ให้ไว้เดิม ใช้ .filter() เพื่อดูคะแนนเดิมของผู้ใช้หมายเลข 26
  • dataframe binary_recs ก็ถูกเตรียมไว้ให้เช่นกัน โดยมีคำแนะนำสำหรับผู้ใช้แต่ละคน ใช้ .filter() เพื่อดูคำแนะนำของ userId == 26 คำแนะนำเหล่านี้สอดคล้องกับสิ่งที่โมเดลให้ไว้หรือไม่
  • ทำแบบเดียวกันกับผู้ใช้หมายเลข 99 และลองตรวจสอบผู้ใช้รายอื่น ๆ ได้ตามต้องการ

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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()
แก้ไขและรันโค้ด