1. Learn
    2. /
  2. Курси
    3. /
  3. Створення систем рекомендацій у Python
Connected

Вправа

Порівняння методів рекомендацій

У цьому курсі ви прогнозували, як користувач оцінив би фільми, яких він ще не бачив, використовуючи кілька різних методів (прості середні рейтинги, KNN, факторизація матриць). У цій підсумковій вправі ви порівняєте усереднені рейтинги та факторизацію матриць, використовуючи mean_squared_error() як міру якості їхньої роботи. Прогнози на основі середніх значень завантажено як avg_pred_ratings_df, а розраховані прогнози — як calc_pred_ratings_df. Еталонні значення (ground truth) завантажено як act_ratings_df.

Нарешті, функцію mean_squared_error() імпортовано з sklearn.metrics для вашого використання.

Інструкції

100 XP
  • Видобудьте рядки 0–20 та стовпці 0–100 (ділянки для порівняння) у датафреймах act_ratings_df, avg_pred_ratings_df та calc_pred_ratings_df.
  • Створіть маску для датафрейму actual_values, що позначає лише непорожні клітинки.
  • Обчисліть середню квадратичну помилку між двома наборами прогнозів і еталонними значеннями.