Я работаю с Movielens dataset и хотел бы рассчитать вовлеченность пользователей, выставив оценки различным фильмам. Набор данных выглядит так (в нем есть информация о пользователях и рейтингах, которые они дали разным фильмам):
item_id title release_date video_release_date \
0 1 Toy Story (1995) 01-Jan-1995 NaN
1 4 Get Shorty (1995) 01-Jan-1995 NaN
imdb_url unknown Action \
0 http://us.imdb.com/M/title-exact?Toy%20Story%2... 0 0
1 http://us.imdb.com/M/title-exact?Get%20Shorty%... 0 1
Adventure Animation Childrens ... Thriller War Western user_id \
0 0 1 1 ... 0 0 0 308
1 0 0 0 ... 0 0 0 308
rating timestamp age gender occupation zip_code
0 4 887736532 60 M retired 95076
1 5 887737890 60 M retired 95076
При расчете вовлеченности пользователей я хотел бы сравнить, какой из двух полов привлекает больше . Это означает, что женщины-пользователи дают больше оценок, или мужчины дают больше оценок.
female_users = users.query("gender == ['F']")
female_users_ratings_count= female_users['rating'].count()
print('\nPercentage of female ratings:', round(((female_users_ratings_count/total_number_of_ratings)*100),2),'%')
print('\nPercentage of male ratings:', round(((male_users_ratings_count/total_number_of_ratings)*100),2),'%')
print('\nMale users give', round((male_users_ratings_count/female_users_ratings_count),2), 'times more ratings.')
Я подсчитываю количество оценок, выставленных пользователями-женщинами, и делю его на общее количество оценок, повторяю шаг для пользователей-мужчин, а затем рассчитайте отношение общего количества оценок, присвоенных пользователями-женщинами, к общему количеству оценок, присвоенных пользователями-мужчинами.
Однако общее количество пользователей-мужчин в 3 раза больше, чем пользователи женского пола.
print('\nTotal number of female users: ',total_female_users)
print('\nTotal number of male users: ',total_male_users)
Вывод:
Total number of female users: 273
Total number of male users: 670
Как мне подойти к этой проблеме одного из полов, имеющего гораздо больше измерений, чтобы получить действительное число, представляющее взаимодействие двух полов? Нужна ли мне нормализация, стандартизация, масштабирование или что-то еще?
Спасибо!