Datos implícitos vs. explícitos
Como se mencionó en el vídeo del ejercicio, el feedback usado en los motores de recomendación puede ser explícito o implícito.
El conjunto de datos listening_history_df ya está cargado.
Este conjunto de datos contiene columnas que identifican a las personas usuarias, las canciones que escuchan y, además:
Skipped Track: una columna booleana que registra si la persona saltó la canción o la escuchó hasta el final.Rating: la puntuación sobre 10 que la persona dio a la canción.
En este ejercicio, explorarás los datos y, a partir de esa exploración, identificarás qué columnas reflejan mejor el feedback explícito frente al implícito.
Este ejercicio forma parte del curso
Creación de motores de recomendación en Python
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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()