Deine Daten pivotieren
In diesem Kapitel gehst du einen Schritt weiter bei der Erstellung personalisierter Empfehlungen – du suchst nach Items, die Nutzern gefallen haben, die dem Nutzer, für den du Empfehlungen machst, ähnlich sind.
Der erste Schritt ist die Formatierung deiner Daten. Du startest mit einem Datensatz, in dem Nutzer und ihre Bewertungen als einzelne Zeilen mit den folgenden Spalten vorliegen:
user: Nutzer-IDtitle: Titel des Filmsrating: Bewertung, die der Nutzer dem Film gegeben hat
Du musst das DataFrame in eine Nutzer-Bewertungsmatrix umwandeln, in der jede Zeile einen Nutzer und jede Spalte einen Film auf der Plattform repräsentiert. So kannst du Nutzer und ihre Vorlieben leichter vergleichen.
Diese Übung ist Teil des Kurses
Recommendation Engines mit Python entwickeln
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Inspect the first 5 rows of user_ratings
print(user_ratings.____)