Introduction aux recommandations non personnalisées
L'une des façons les plus simples de faire des recommandations est de s'appuyer sur la sagesse du grand nombre et de proposer ce qui est déjà le plus populaire. Dans cet exercice, vous allez calculer la fréquence à laquelle chaque film du jeu de données a été visionné et repérer les films les plus souvent regardés.
Le DataFrame user_ratings_df, qui est un sous-ensemble du jeu de données Movie Lens, a été chargé pour vous.
Cette table contient les identifiants de chaque film et de l'utilisateur qui l'a visionné, ainsi que la cote qu'il lui a attribuée.
Cette activité fait partie du cours
Créer des moteurs de recommandation en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Get the counts of occurrences of each movie title
movie_popularity = ____["title"].____()
# Inspect the most common values
print(movie_popularity.____().____)