Gợi ý từ dữ liệu nhị phân
Từ chỉ số ROEM, bạn thấy các mô hình này vẫn có thể tạo ra dự đoán kiểm thử hợp lý. Giờ hãy xem các gợi ý thực tế.
Hàm col từ lớp pyspark.sql.functions đã được import sẵn cho bạn.
Bài tập này là một phần của khóa học
Xây dựng Recommendation Engine với PySpark
Hướng dẫn bài tập
- Dataframe
original_ratingsđã được cung cấp. Nó chứa các điểm đánh giá gốc do người dùng cung cấp. Dùng.filter()để xem các đánh giá gốc của người dùng 26. - Dataframe
binary_recscũng đã được cung cấp. Nó chứa các gợi ý cho từng người dùng. Dùng.filter()để xem gợi ý củauserId == 26. Chúng có nhất quán với các gợi ý mà mô hình đưa ra không? - Làm tương tự với người dùng 99. Bạn có thể xem thêm các người dùng khác nếu muốn.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# View user 26's original ratings
print ("User 26 Original Ratings:")
____.____(col("userId") == 26).show()
# View user 26's recommendations
print ("User 26 Recommendations:")
binary_recs.filter(col("____") == 26).show()
# View user 99's original ratings
print ("User 99 Original Ratings:")
____.filter(____("userId") == 99).show()
# View user 99's recommendations
print ("User 99 Recommendations:")
binary_recs.filter(col("userId") == ____).show()