Förbättrade icke-personaliserade rekommendationer
Att en film har setts av många betyder inte nödvändigtvis att tittarna uppskattade den. För att förstå hur en tittare faktiskt upplevde en film är mer explicit data användbart. I Movie Lens-datamängden finns tur nog även betyg från varje tittare.
I den här övningen ska du beräkna medelbetyget för varje film i datamängden och sedan hitta filmen med det högsta medelbetyget.
Du använder samma user_ratings_df som i föregående övning – den är redan inläst åt dig.
Den här övningen är en del av kursen
Bygga rekommendationsmotorer i Python
Övningsinstruktioner
- Beräkna medelbetyget för varje film och lagra resultatet i en DataFrame som heter
average_rating_df. - Sortera
average_rating_dfefter kolumnenratingfrån högst till lägst och lagra resultatet somsorted_average_ratings. - Skriv ut de fem högst rankade filmerna i
sorted_average_ratings.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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(____.____())