แนะนำศิลปินดนตรี ส่วนที่ 1

ในแบบฝึกหัดนี้และแบบถัดไป จะได้นำความรู้เกี่ยวกับ NMF มาใช้แนะนำศิลปินดนตรียอดนิยม โดยมี sparse array ชื่อ artists ให้แล้ว ซึ่งแต่ละแถวแทนศิลปินและแต่ละคอลัมน์แทนผู้ใช้งาน ค่าในแต่ละช่องคือจำนวนครั้งที่ผู้ใช้งานแต่ละคนฟังศิลปินนั้น

ในแบบฝึกหัดนี้ ให้สร้าง pipeline และแปลง array ให้เป็น NMF features ที่ผ่านการ normalize แล้ว ขั้นตอนแรกใน pipeline คือ MaxAbsScaler ซึ่งแปลงข้อมูลเพื่อให้ผู้ใช้งานทุกคนมีอิทธิพลต่อโมเดลเท่ากัน โดยไม่คำนึงว่าแต่ละคนฟังศิลปินกี่คน ในแบบฝึกหัดถัดไป จะนำ NMF features ที่ได้ไปใช้สำหรับการแนะนำ!

Import:
- NMF จาก sklearn.decomposition
- Normalizer และ MaxAbsScaler จาก sklearn.preprocessing
- make_pipeline จาก sklearn.pipeline
สร้าง instance ของ MaxAbsScaler ชื่อ scaler
สร้าง instance ของ NMF ที่มี 20 components ชื่อ nmf
สร้าง instance ของ Normalizer ชื่อ normalizer
สร้าง pipeline ชื่อ pipeline ที่เชื่อมต่อ scaler, nmf และ normalizer เข้าด้วยกัน
เรียกใช้เมธอด .fit_transform() ของ pipeline กับ artists แล้วกำหนดผลลัพธ์ให้กับ norm_features

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}แบบฝึกหัด

คำแนะนำ

แบบฝึกหัด