Dados implícitos vs. explícitos
Como mencionado no exercício em vídeo, o feedback usado em mecanismos de recomendação pode ser explícito ou implícito.
O conjunto de dados listening_history_df já foi carregado para você.
Esse conjunto contém colunas que identificam os usuários, as músicas que eles ouvem, além de:
Skipped Track: Uma coluna booleana que registra se o usuário pulou a música ou a ouviu até o fim.Rating: A nota de 0 a 10 que o usuário deu para a música.
Neste exercício, você vai explorar os dados e, a partir dessa exploração, identificar quais colunas refletem melhor o feedback explícito e o feedback implícito.
Este exercício faz parte do curso
Construindo mecanismos de recomendação em Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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()