Améliorer les recommandations non personnalisées
Ce n’est pas parce qu’un film a été beaucoup regardé que les spectateurs l’ont apprécié. Pour comprendre ce qu’un spectateur a réellement pensé d’un film, des données plus explicites sont utiles. Heureusement, vous disposez aussi des notes attribuées par chaque spectateur dans le jeu de données Movie Lens.
Dans cet exercice, vous allez calculer la note moyenne de chaque film du jeu de données, puis identifier le film avec la meilleure note moyenne.
Vous utiliserez le même user_ratings_df que dans l’exercice précédent, déjà chargé pour vous.
Cet exercice fait partie du cours
Créer des moteurs de recommandation en Python
Instructions
- Calculez la note moyenne pour chacun des films et enregistrez le résultat dans un DataFrame nommé
average_rating_df. - Triez le DataFrame
average_rating_dfselon la colonneratingmoyenne, de la plus élevée à la plus faible, et stockez-le danssorted_average_ratings. - Affichez les entrées correspondant aux cinq films les mieux classés dans
sorted_average_ratings.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Find the mean of the ratings given to each title
average_rating_df = user_ratings_df[["title", "rating"]].____('title').____()
# Order the entries by highest average rating to lowest
sorted_average_ratings = average_rating_df.____(____=____, ____=____)
# Inspect the top movies
print(____.____())