Faktörleştirmede bilgi kaybı
Az sayıda sütuna sahip faktörlerin, daha büyük bir DataFrame’i nasıl kayıpsız özetleyebildiğini merak edebilirsin. Aslında özetleyemez — oluşturduğumuz faktörler verilerin genellikle yakın bir yaklaşımıdır; bir miktar bilginin kaybolması kaçınılmazdır. Bu da tahmin edilen değerlerin birebir aynı olmayabileceği, ancak işe yarayacak kadar yakın olması gerektiği anlamına gelir.
Bu egzersizde, önceki egzersizdeki faktörleştirme öncesi orijinal DataFrame’i original_df olarak inceleyecek ve iki faktörünün, user_matrix ve item_matrix çarpımını bununla karşılaştıracaksın.
Bu egzersiz
Python ile Öneri Motorları Geliştirme
kursunun bir parçasıdırEgzersiz talimatları
user_matrixveitem_matrix'in nokta çarpımını bul vepredictions_dfolarak kaydet.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
import numpy as np
# Multiply the user and item matrices
predictions_df = ____.____(____, ____)
# Inspect the recreated DataFrame
print(predictions_df)
# Inspect the original DataFrame and compare
print(original_df)