Peu de données dans vos lignes
Cette rareté des données peut poser problème lorsqu'on utilise des techniques comme les plus proches voisins K, comme discuté au chapitre précédent. KNN doit trouver les k utilisateurs les plus similaires qui ont évalué un élément, mais si seulement k utilisateurs ou moins ont attribué une note à un élément, toutes les évaluations seront « les plus similaires ».
Dans cet exercice, vous allez compter combien de fois chaque film du DataFrame user_ratings_df a reçu une évaluation, puis voir combien n'ont qu'une ou deux évaluations.
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.
# Count the occupied cells per column
occupied_count = user_ratings_df.____().____()
print(occupied_count)