Ulepszone rekomendacje niespersonalizowane
To, że dany film obejrzało wiele osób, nie oznacza wcale, że im się spodobał. Aby lepiej zrozumieć, co widzowie naprawdę sądzili o filmie, przydają się bardziej szczegółowe dane. Na szczęście zbiór danych Movie Lens zawiera również oceny wystawione przez każdego z widzów.
W tym ćwiczeniu obliczysz średnią ocenę każdego filmu w zbiorze danych, a następnie znajdziesz film z najwyższą średnią oceną.
Skorzystasz z tego samego DataFrame user_ratings_df, którego używałeś w poprzednim ćwiczeniu – został on już wczytany.
To ćwiczenie jest częścią kursu
Budowanie systemów rekomendacji w Pythonie
Instrukcje do ćwiczenia
- Oblicz średnią ocenę dla każdego z filmów i zapisz wynik jako DataFrame o nazwie
average_rating_df. - Posortuj DataFrame
average_rating_dfwedług kolumnyratingod najwyższej do najniższej wartości i zapisz wynik jakosorted_average_ratings. - Wyświetl wpisy dla pięciu najwyżej ocenionych filmów z
sorted_average_ratings.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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(____.____())