1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Xây dựng Recommendation Engine bằng Python
Connected

Bài tập

Từng bước với K-nearest neighbors

Bạn vừa thấy cách K-nearest neighbors có thể suy ra việc một người sẽ chấm điểm một mục như thế nào dựa trên “trí tuệ đám đông” của những người dùng tương tự. Trong bài tập này, bạn sẽ tự mình đi qua quy trình đó để nắm chắc cách hoạt động.

Để bạn bắt đầu nhanh, vì trước đây bạn đã nhiều lần tạo ma trận độ tương đồng, bước đó đã được thực hiện sẵn: ma trận tương đồng người dùng được gói trong một DataFrame và nạp vào biến user_similarities.

Ma trận này có mỗi người dùng là hàng và cột, và tại giao điểm là điểm tương đồng tương ứng.

Trong bài này, bạn sẽ làm việc với điểm tương đồng của user_001, tìm những hàng xóm gần nhất của họ và, dựa trên các điểm số mà những hàng xóm đó đã chấm cho một bộ phim, suy ra điểm số mà user_001 có thể chấm nếu họ xem phim đó.

Hướng dẫn

100 XP
  • Tìm ID của 10 hàng xóm gần nhất của User_A bằng cách lấy top 10 người dùng trong ordered_similarities và lưu vào nearest_neighbors.
  • Trích xuất các điểm số mà những người dùng trong nearest_neighbors đã chấm từ user_ratings_table và lưu vào neighbor_ratings.
  • Tính điểm trung bình mà các người dùng này đã chấm cho phim Apollo 13 (1995) để suy ra điểm số mà User_A có thể chấm nếu họ đã xem.