Überblick über Matrixfaktorisierung

Recommendation Engines mit PySpark erstellen

Jamen Long

Data Scientist at Nike

Matrixfaktorisierung

eine Matrix wird in zwei Faktormatrizen zerlegt

Faktormatrizen werden multipliziert und nähern die ursprüngliche Matrix an

quadratische Matrix mit positiven Werten

Matrix mit zwei Faktormatrizen, in denen einige Werte negativ sind

Matrix und zwei Faktormatrizen, alle Werte positiv

Faktormatrizen mit Hervorhebungen der latenten Dimensionen von 3 Zeilen bzw. 3 Spalten

Matrix mit den meisten Zellen leer

Matrix mit den meisten Zellen leer und zwei Faktormatrizen mit allen Zellen gefüllt

teilweise leere Matrix mit Kreis um eine Zelle und zugehöriger markierter Zeile und Spalte in den Faktormatrizen

teilweise leere Matrix mit Kreis um eine Zelle und zugehöriger markierter Zeile und Spalte in den Faktormatrizen

teilweise leere Matrix mit Kreis um eine Zelle und zugehöriger markierter Zeile und Spalte in den Faktormatrizen

teilweise leere Matrix mit Kreis um eine Zelle und zugehöriger markierter Zeile und Spalte in den Faktormatrizen

teilweise leere Matrix mit Faktormatrizen und Produktmatrix, alle Zellen gefüllt

Recommendation Engines mit PySpark erstellen