So sánh mô hình dựa trên item và dựa trên user
Bạn đã xem qua hai cách tiếp cận KNN khác nhau. Đầu tiên là KNN item-item, nơi bạn dùng điểm trung bình của \(k\) bộ phim giống nhất mà một người dùng đã chấm để gợi ý điểm số cho một bộ phim họ chưa xem. Cách còn lại là KNN user-user, nơi bạn dùng điểm trung bình mà \(k\) người dùng giống nhất đã chấm cho bộ phim để gợi ý mức điểm mà người dùng mục tiêu sẽ cho bộ phim đó.
Bây giờ, bạn sẽ so sánh hai cách tiếp cận và tính xem user_002 sẽ chấm Forrest Gump bao nhiêu điểm.
Mã cho mô hình user_rating_predictor (dự đoán dựa trên điểm mà các người dùng tương tự đã cho bộ phim), và movie_rating_predictor (dự đoán dựa trên điểm mà người dùng này đã cho các bộ phim tương tự) đã được khởi tạo sẵn cho bạn.
KNeighborsRegressor đã được import sẵn.
Bài tập này là một phần của khóa học
Xây dựng Recommendation Engine bằng Python
Hướng dẫn bài tập
- Tạo một mô hình K-nearest neighbors user-user tên là
user_knn. - Fit mô hình
user_knn, sau đó dự đoán trêntarget_user_x. - Tương tự, fit mô hình K-nearest neighbors item-item tên là
movie_knn, rồi dự đoán trêntarget_movie_x.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Instantiate the user KNN model
user_knn = ____()
# Fit the model and predict the target user
user_knn.____(other_users_x, other_users_y)
user_user_pred = user_knn.____(target_user_x)
print("The user-user model predicts {}".format(user_user_pred))
# Instantiate the user KNN model
movie_knn = KNeighborsRegressor()
# Fit the model on the movie data and predict
movie_knn.____(other_movies_x, other_movies_y)
item_item_pred = movie_knn.____(target_movie_x)
print("The item-item model predicts {}".format(item_item_pred))