Implizite vs. explizite Daten
Wie im Video erwähnt, kann Feedback in Empfehlungssystemen explizit oder implizit sein.
Der Datensatz listening_history_df wurde für dich geladen.
Dieser Datensatz enthält Spalten zur Identifikation der Nutzer und der Songs, die sie hören, sowie:
Skipped Track: Eine boolesche Spalte, die erfasst, ob der Nutzer den Song übersprungen oder bis zum Ende gehört hat.Rating: Die Bewertung, die der Nutzer dem Song auf einer Skala von 10 Punkten gegeben hat.
In dieser Übung untersuchst du die Daten und leitest daraus ab, welche Spalten am besten explizites Feedback und welche implizites Feedback widerspiegeln.
Diese Übung ist Teil des Kurses
Recommendation Engines mit Python entwickeln
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Inspect the listening_history_df DataFrame
print(listening_history_df.____())
# Calculate the number of unique values
print(listening_history_df[['Rating', 'Skipped Track']].____())
# Display a histogram of the values in the Rating column
listening_history_df['Rating'].____()
plt.show()