Підготовка даних для KNN
Тепер, коли ви розумієте всі деталі роботи методу найближчих сусідів (K-nearest neighbors), ви можете скористатися реалізацією KNN у scikit-learn, розуміючи, що відбувається «під капотом».
У двох наступних вправах ви по кроках підготуєте дані для моделі KNN у scikit-learn, а потім використаєте її, щоб передбачити, яку оцінку користувач може поставити фільму, який ще не бачив.
Для послідовності ви знову працюватимете з User_1 і оцінкою, яку він би поставив фільму Apollo 13 (1995), якби його подивився.
Датафрейм users_to_ratings уже завантажено. У ньому кожен користувач має власний рядок, а значення — це його оцінки.
Так само завантажено user_ratings_table, що містить сирі значення оцінок (до центрування та заповнення нулями).
Ця вправа є частиною курсу
Створення систем рекомендацій у Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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 = ____.____[[____]]