Comment ALS alterne pour générer des prédictions

Créer des moteurs de recommandation avec PySpark

Jamen Long

Data Scientist at Nike

matrice partiellement vide

matrice partiellement vide avec deux matrices de facteurs entièrement remplies

matrice partiellement vide avec deux matrices de facteurs entièrement remplies ; sur une matrice de facteurs « ajustée », sur les autres « constante »

même image que ci-dessus avec un graphique : itérations en abscisse, RMSE en ordonnée, un point haut à gauche

même image que ci-dessus avec un graphique : itérations en abscisse, RMSE en ordonnée, un nouveau point plus bas et plus à droite, relié par une ligne

même image que ci-dessus avec un autre point encore plus bas et plus à droite, relié par une ligne

même image que ci-dessus avec plus de points montrant la baisse du RMSE au fil des itérations

matrice partiellement vide avec flèche vers une approximation complète d'une autre matrice

matrice partiellement vide

matrice partiellement vide avec deux matrices de facteurs entièrement remplies

matrice partiellement vide avec une valeur surlignée et deux matrices de facteurs avec la ligne et la colonne correspondantes surlignées

matrice partiellement vide avec une autre valeur surlignée et deux matrices de facteurs avec la ligne et la colonne correspondantes surlignées

matrice partiellement vide avec des flèches horizontales pointant la première valeur de chaque ligne et deux matrices de facteurs

matrice partiellement vide avec des flèches verticales vers le bas pointant la première valeur de chaque colonne et deux matrices de facteurs

matrice d'origine avec deux matrices de facteurs dont toutes les valeurs sont surlignées

matrice d'origine et deux matrices de facteurs avec toutes les valeurs surlignées, et les cases vides de la matrice d'origine mises en évidence

quatrième matrice ajoutée montrant où ALS a rempli les cases vides

Passons à la pratique !

Créer des moteurs de recommandation avec PySpark