分解中的資訊遺失
你可能會好奇，欄數少很多的因子，怎麼能在不遺失資訊的情況下，概括更大的 DataFrame。事實上做不到——我們建立的因子通常只是對資料的近似，難免會有部分資訊遺失。這代表預測值未必精確相等，但應該會足夠接近而具有實用性。
在這個練習中，你會查看上一題相同、尚未分解前的原始 DataFrame（已載入為 original_df），並把它和兩個因子 user_matrix 與 item_matrix 的乘積進行比較。
本練習屬於課程
用 Python 建立推薦引擎
練習說明
- 計算
user_matrix和item_matrix的點積，並將結果儲存為predictions_df。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
import numpy as np
# Multiply the user and item matrices
predictions_df = ____.____(____, ____)
# Inspect the recreated DataFrame
print(predictions_df)
# Inspect the original DataFrame and compare
print(original_df)