Datos limitados en tus filas
Esta escasez de datos puede causar problemas al usar técnicas como K-nearest neighbors, como vimos en el capítulo anterior. KNN necesita encontrar los k usuarios más similares que hayan valorado un ítem, pero si solo k o menos usuarios han dado una valoración a ese ítem, entonces todas las valoraciones serán las "más similares".
En este ejercicio, vas a contar cuántas veces cada película del DataFrame user_ratings_df ha recibido una valoración y, después, ver cuántas tienen solo una o dos valoraciones.
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.
# Count the occupied cells per column
occupied_count = user_ratings_df.____().____()
print(occupied_count)