ПочатиПочніть безкоштовно

Рекомендації з бінарних даних

З ROEM ви бачите, що ці моделі все ще можуть генерувати змістовні тестові передбачення. Тепер перегляньмо фактичні рекомендації.

Функцію col з класу pyspark.sql.functions вже імпортовано для вас.

Ця вправа є частиною курсу

Створення рушіїв рекомендацій у PySpark

Переглянути курс

Інструкції до вправи

  • Датафрейм original_ratings надано. Він містить оригінальні оцінки, які залишали користувачі. Використайте .filter(), щоб переглянути оригінальні оцінки користувача 26.
  • Також надано датафрейм binary_recs. Він містить рекомендації для кожного користувача. Використайте .filter(), щоб переглянути рекомендації для userId == 26. Чи узгоджуються вони з рекомендаціями, які надала модель?
  • Зробіть те саме для користувача 99. За бажання розгляньте й інших користувачів.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# View user 26's original ratings
print ("User 26 Original Ratings:")
____.____(col("userId") == 26).show()

# View user 26's recommendations
print ("User 26 Recommendations:")
binary_recs.filter(col("____") == 26).show()

# View user 99's original ratings
print ("User 99 Original Ratings:")
____.filter(____("userId") == 99).show()

# View user 99's recommendations
print ("User 99 Recommendations:")
binary_recs.filter(col("userId") == ____).show()
Редагувати та запускати код