Dati impliciti vs. espliciti
Come accennato nell'esercizio video, il feedback usato nei motori di raccomandazione può essere esplicito o implicito.
Il dataset listening_history_df è stato caricato per te.
Questo insieme di dati contiene colonne che identificano gli utenti, i brani che ascoltano, insieme a:
Skipped Track: una colonna booleana che registra se l'utente ha saltato il brano o lo ha ascoltato fino alla fine.Rating: il punteggio su 10 che l'utente ha assegnato al brano.
In questo esercizio esplorerai i dati e, a partire da questa esplorazione, individuerai quali colonne riflettono meglio il feedback esplicito rispetto a quello implicito.
Questo esercizio fa parte del corso
Creare motori di raccomandazione in Python
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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()