Données implicites vs. explicites
Comme mentionné dans la vidéo, les retours utilisés par les moteurs de recommandation peuvent être explicites ou implicites.
Le jeu de données listening_history_df a été chargé pour vous.
Ce jeu de données contient des colonnes identifiant les utilisateurs, les morceaux qu’ils écoutent, ainsi que :
Skipped Track: une colonne booléenne indiquant si l’utilisateur a passé le morceau ou l’a écouté jusqu’au bout.Rating: la note sur 10 attribuée par l’utilisateur au morceau.
Dans cet exercice, vous allez explorer les données et, à partir de cette exploration, identifier quelles colonnes reflètent le mieux des retours explicites et lesquelles relèvent de retours implicites.
Cet exercice fait partie du cours
Créer des moteurs de recommandation en Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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()