MovieLens

El dataset de referencia para sistemas de recomendación, con millones de calificaciones reales de películas.

ÁreaDeportes y Entretenimiento
DominioEntretenimiento
DificultadPrincipiante
Tamaño100K a 32M+ calificaciones, según la versión
Fuente oficial

¿Qué puedes lograr con este dataset?

  • Construir un sistema de recomendación de películas de punta a punta
  • Practicar filtrado colaborativo y factorización de matrices
  • Comparar el desempeño de distintos algoritmos de recomendación en un benchmark estándar

Descripción

Mantenido por GroupLens Research de la Universidad de Minnesota, MovieLens es el dataset de referencia histórico para sistemas de recomendación: calificaciones reales de usuarios sobre películas, disponible en varios tamaños (desde 100,000 hasta más de 32 millones de calificaciones).

Casos de uso

  • Construcción y evaluación de sistemas de recomendación
  • Benchmarking de algoritmos de filtrado colaborativo
  • Enseñanza introductoria de sistemas de recomendación
  • Investigación académica en recuperación de información

Cómo cargarlo

Cómo cargarlopython
import pandas as pd

ratings = pd.read_csv("ml-latest-small/ratings.csv")
print(ratings.groupby("movieId")["rating"].mean().sort_values(ascending=False).head())

Ventajas y limitaciones

Ventajas

  • Estándar académico con décadas de uso y comparabilidad entre estudios
  • Disponible en múltiples tamaños según la capacidad de cómputo disponible
  • Estructura simple y bien documentada, ideal para aprender

Limitaciones

  • Relativamente pequeño y 'limpio' comparado con datos de recomendación de producción reales
  • No incluye metadata rica de contenido (sinopsis, géneros detallados) sin unir con otras fuentes

Datasets relacionados