開始使用免費開始

推薦音樂藝人（第一部分）

在本題與下一題中，你會運用關於 NMF 的所學來推薦受歡迎的音樂藝人！你會拿到稀疏陣列 artists，其中列代表藝人、欄代表使用者。每個元素表示各使用者收聽某位藝人的次數。

在本題中，請建立一個管線，並將陣列轉換為正規化後的 NMF 特徵。管線的第一步 MaxAbsScaler 會轉換資料，使所有使用者對模型的影響力相同，而不受他們收聽了多少不同藝人的影響。下一題你會用得到的正規化 NMF 特徵來做推薦！

本練習屬於課程

Unsupervised Learning in Python

檢視課程

練習說明

  • 匯入：
    • 從 sklearn.decomposition 匯入 NMF。
    • 從 sklearn.preprocessing 匯入 Normalizer 與 MaxAbsScaler。
    • 從 sklearn.pipeline 匯入 make_pipeline。
  • 建立名為 scaler 的 MaxAbsScaler 實例。
  • 建立具有 20 個成分、名為 nmf 的 NMF 實例。
  • 建立名為 normalizer 的 Normalizer 實例。
  • 建立名為 pipeline 的管線，依序串接 scaler、nmf、normalizer。
  • 對 artists 套用 pipeline 的 .fit_transform() 方法。將結果指定給 norm_features。

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。

# Perform the necessary imports
from ____ import ____
from ____ import ____, ____
from ____ import ____

# Create a MaxAbsScaler: scaler
scaler = ____

# Create an NMF model: nmf
nmf = ____

# Create a Normalizer: normalizer
normalizer = ____

# Create a pipeline: pipeline
pipeline = ____

# Apply fit_transform to artists: norm_features
norm_features = ____
編輯並執行程式碼