KNN verisini uygun hâle getirme
Artık K-en yakın komşu algoritmasının nasıl çalıştığını iyice anladığına göre, scikit-learn'in KNN uygulamasını kullanırken kaputun altında neler döndüğünü de bileceksin.
Sonraki iki egzersizde, verilerini scikit-learn'in KNN modeli için nasıl hazırlayacağını adım adım görecek ve ardından bir kullanıcının izlemediği bir filme ne puan verebileceğine dair çıkarımlar yapacaksın.
Tutarlılık için yine User_1 ile ve görmüş olsaydı Apollo 13 (1995) filmine kaç puan vereceği üzerinden çalışacaksın.
users_to_ratings DataFrame'i senin için yüklendi. Bu tabloda her kullanıcı bir satırda ve verdikleri her puan değer olarak yer alıyor.
Benzer şekilde, ham puan değerlerini (merkezleme ve sıfırlarla doldurma öncesi) içeren user_ratings_table da yüklendi.
Bu egzersiz
Python ile Öneri Motorları Geliştirme
kursunun bir parçasıdırUygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# 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 = ____.____[[____]]