Verbeterde niet-gepersonaliseerde aanbevelingen

Dat een film door veel mensen is bekeken, betekent niet per se dat kijkers hem ook leuk vonden. Om te begrijpen wat een kijker echt van een film vond, zijn explicietere gegevens handig. Gelukkig heb je in de Movie Lens-gegevensset ook beoordelingen van elke kijker.

In deze oefening bereken je de gemiddelde beoordeling van elke film in de gegevensset en zoek je vervolgens de film met de hoogste gemiddelde beoordeling.

Je gebruikt dezelfde user_ratings_df als in de vorige oefening; deze is alvast voor je geladen.

Deze oefening maakt deel uit van de cursus

Aanbevelingssystemen bouwen in Python

Cursus bekijken

Oefeninstructies

Bereken de gemiddelde beoordeling voor elke film en sla dit op als een DataFrame met de naam average_rating_df.
Sorteer het DataFrame average_rating_df op de gemiddelde kolom rating van hoog naar laag en sla dit op als sorted_average_ratings.
Print de rijen voor de vijf hoogst gewaardeerde films in sorted_average_ratings.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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(____.____())

Code bewerken en uitvoeren