Chuẩn bị dữ liệu cho KNN
Giờ bạn đã hiểu rõ cách K-nearest neighbors hoạt động, bạn có thể tận dụng triển khai KNN của scikit-learn và biết được nó đang làm gì bên dưới.
Trong hai bài tập tiếp theo, bạn sẽ đi từng bước chuẩn bị dữ liệu cho mô hình KNN của scikit-learn, rồi dùng mô hình để suy luận xem người dùng có thể chấm điểm bao nhiêu cho một bộ phim họ chưa xem.
Để nhất quán, bạn sẽ tiếp tục làm việc với User_1 và mức đánh giá họ sẽ dành cho Apollo 13 (1995) nếu họ xem phim này.
DataFrame users_to_ratings đã được nạp sẵn cho bạn. Bảng này có mỗi người dùng là một hàng và các giá trị là những điểm họ đã chấm.
Tương tự, user_ratings_table cũng đã được nạp, chứa các giá trị đánh giá thô (trước khi chuẩn hóa tâm và điền số 0).
Bài tập này là một phần của khóa học
Xây dựng Recommendation Engine bằng Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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 = ____.____[[____]]