ข้อมูลที่มีอยู่น้อยในแต่ละแถว
ความเบาบางของข้อมูลอาจสร้างปัญหาเมื่อใช้เทคนิคอย่าง K-nearest neighbors ตามที่กล่าวถึงในบทที่แล้ว KNN ต้องค้นหาผู้ใช้ที่คล้ายกันมากที่สุด k คน ซึ่งได้ให้คะแนนไอเทมนั้น แต่หากมีผู้ใช้ที่ให้คะแนนไอเทมนั้นน้อยกว่าหรือเท่ากับ k คน คะแนนทั้งหมดจะกลายเป็น "ที่คล้ายกันมากที่สุด" ทั้งหมด
ในแบบฝึกหัดนี้ คุณจะนับจำนวนครั้งที่ภาพยนตร์แต่ละเรื่องใน DataFrame user_ratings_df ได้รับการให้คะแนน จากนั้นดูว่ามีภาพยนตร์กี่เรื่องที่มีการให้คะแนนเพียงหนึ่งหรือสองครั้ง
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การสร้าง Recommendation Engine ด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Count the occupied cells per column
occupied_count = user_ratings_df.____().____()
print(occupied_count)