BaşlayınÜcretsiz başlayın

Müzik sanatçıları önerisi I

Bu egzersizde ve bir sonrakinde, NMF hakkında öğrendiklerini popüler müzik sanatçılarını önermek için kullanacaksın! Sana, satırları sanatçılara, sütunları kullanıcılara karşılık gelen seyrek bir artists dizisi veriliyor. Hücrelerde, her bir kullanıcının ilgili sanatçıyı kaç kez dinlediği bilgisi var.

Bu egzersizde bir pipeline kurup diziyi normalize edilmiş NMF özelliklerine dönüştüreceksin. Pipeline'ın ilk adımı olan MaxAbsScaler, veriyi, kullanıcıların kaç farklı sanatçıyı dinlediğinden bağımsız olarak, tüm kullanıcıların model üzerinde aynı etkiye sahip olmasını sağlayacak şekilde dönüştürür. Sonraki egzersizde, ortaya çıkan normalize edilmiş NMF özelliklerini öneri için kullanacaksın!

Bu egzersiz, kursun bir parçasıdır

Python'da Unsupervised Learning

Kursa Göz Atın

Egzersiz talimatları

  • Şunları içe aktar:
    • sklearn.decomposition içinden NMF.
    • sklearn.preprocessing içinden Normalizer ve MaxAbsScaler.
    • sklearn.pipeline içinden make_pipeline.
  • scaler adlı bir MaxAbsScaler örneği oluştur.
  • 20 bileşenli nmf adlı bir NMF örneği oluştur.
  • normalizer adlı bir Normalizer örneği oluştur.
  • scaler, nmf ve normalizer adımlarını sıralı şekilde birleştiren pipeline adlı bir pipeline oluştur.
  • pipelineın .fit_transform() metodunu artists üzerinde uygula. Sonucu norm_features değişkenine ata.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Perform the necessary imports
from ____ import ____
from ____ import ____, ____
from ____ import ____

# Create a MaxAbsScaler: scaler
scaler = ____

# Create an NMF model: nmf
nmf = ____

# Create a Normalizer: normalizer
normalizer = ____

# Create a pipeline: pipeline
pipeline = ____

# Apply fit_transform to artists: norm_features
norm_features = ____
Kodu Düzenle ve Çalıştır