1. Learn
    2. /
  2. Courses
    3. /
  3. Xây dựng Recommendation Engine bằng Python
Connected

Exercise

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).

Instructions 1/3

undefined XP
    1
    2
    3
  • Xóa tại chỗ cột tương ứng với bộ phim bạn đang dự đoán (Apollo 13 (1995)) khỏi DataFrame users_to_ratings.
  • Trích xuất các điểm của user_001 từ bảng users_to_ratings sau khi cập nhật và lưu thành target_user_x.