ПочатиПочніть безкоштовно

Рекомендуємо музичних виконавців, частина I

У цій та наступній вправах ви застосуєте знання про NMF, щоб рекомендувати популярних музичних виконавців! Вам надано розріджений масив artists, де рядки відповідають виконавцям, а стовпці — користувачам. Елементи масиву містять кількість прослуховувань кожного виконавця кожним користувачем.

У цій вправі створіть конвеєр і перетворіть масив на нормалізовані ознаки NMF. Перший крок у конвеєрі, MaxAbsScaler, трансформує дані так, щоб усі користувачі мали однаковий вплив на модель, незалежно від того, скільки різних виконавців вони слухали. У наступній вправі ви скористаєтеся отриманими нормалізованими ознаками NMF для рекомендацій!

Ця вправа є частиною курсу

Наглядове навчання в Python

Переглянути курс

Інструкції до вправи

  • Імпортуйте:
    • NMF з sklearn.decomposition.
    • Normalizer і MaxAbsScaler з sklearn.preprocessing.
    • make_pipeline з sklearn.pipeline.
  • Створіть екземпляр MaxAbsScaler з назвою scaler.
  • Створіть екземпляр NMF із 20 компонентами з назвою nmf.
  • Створіть екземпляр Normalizer з назвою normalizer.
  • Створіть конвеєр pipeline, що послідовно з'єднує scaler, nmf і normalizer.
  • Застосуйте метод .fit_transform() об'єкта pipeline до artists. Присвойте результат змінній norm_features.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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 = ____
Редагувати та запускати код