Introduktion till icke-personaliserade rekommendationer
Ett av de enklaste sätten att ge rekommendationer är att utgå från vad som redan är populärt bland många användare. I den här övningen beräknar du hur ofta varje film i datamängden har setts och identifierar de mest frekvent sedda filmerna.
DataFrame:n user_ratings_df, som är ett urval från Movie Lens-datamängden, har laddats åt dig.
Tabellen innehåller identifierare för varje film och den användare som sett den, tillsammans med betyget de gav den.
Den här övningen är en del av kursen
Bygga rekommendationsmotorer i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Get the counts of occurrences of each movie title
movie_popularity = ____["title"].____()
# Inspect the most common values
print(movie_popularity.____().____)