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
<cours>Créer des moteurs de recommandation en Python</cours>Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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()