Verbesserte nicht-personalisierte Empfehlungen

Nur weil ein Film von vielen Leuten angeschaut wurde, heißt das nicht, dass er ihnen gefallen hat. Um zu verstehen, wie ein Zuschauer einen Film tatsächlich bewertet hat, sind explizitere Daten hilfreich. Zum Glück hast du im Movie-Lens-Datensatz auch die Bewertungen der einzelnen Zuschauer.

In dieser Übung berechnest du die durchschnittliche Bewertung jedes Films im Datensatz und ermittelst anschließend den Film mit der höchsten durchschnittlichen Bewertung.

Du verwendest das gleiche user_ratings_df wie in der vorherigen Übung; es wurde bereits für dich geladen.

Diese Übung ist Teil des Kurses

Recommendation Engines mit Python entwickeln

Kurs anzeigen

Anleitung zur Übung

Ermittle die durchschnittliche Bewertung für jeden Film und speichere sie als DataFrame average_rating_df.
Sortiere den DataFrame average_rating_df nach der durchschnittlichen Spalte rating von hoch nach niedrig und speichere das Ergebnis als sorted_average_ratings.
Gib die Einträge der fünf am besten bewerteten Filme in sorted_average_ratings aus.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Find the mean of the ratings given to each title
average_rating_df = user_ratings_df[["title", "rating"]].____('title').____()

# Order the entries by highest average rating to lowest
sorted_average_ratings = average_rating_df.____(____=____, ____=____)

# Inspect the top movies
print(____.____())

Code bearbeiten und ausführen