Introduction aux recommandations non personnalisées
L’une des approches les plus simples pour faire des recommandations consiste à s’appuyer sur la sagesse du plus grand nombre et à proposer ce qui est déjà le plus populaire. Dans cet exercice, vous allez calculer la fréquence de visionnage de chaque film dans l’ensemble de données et identifier les films les plus souvent regardés.
Le DataFrame user_ratings_df, 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 vu, ainsi que la note qu’il lui a attribuée.
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.
# Get the counts of occurrences of each movie title
movie_popularity = ____["title"].____()
# Inspect the most common values
print(movie_popularity.____().____)