Einsatz von Empfehlungssystemen

Recommendation Engines mit PySpark erstellen

Jamen Long

Data Scientist at Nike

leere Matrix mit Nutzern auf der Y-Achse und Filmen auf der X-Achse

Recommendation Engines mit PySpark erstellen

leere Nutzer/Film-Matrix und zwei Faktormatrizen

Recommendation Engines mit PySpark erstellen

leere Nutzer/Film-Matrix und zwei Faktormatrizen

Recommendation Engines mit PySpark erstellen

leere Nutzer/Film-Matrix und zwei Faktormatrizen

Recommendation Engines mit PySpark erstellen

Matrixachsen in Faktormatrizen

Recommendation Engines mit PySpark erstellen

Faktormatrizen mit Achsen für latente Merkmale

Recommendation Engines mit PySpark erstellen

Matrix und Faktormatrizen mit Werten

Recommendation Engines mit PySpark erstellen

hohe Horror-Filmbewertungen in Matrix

Recommendation Engines mit PySpark erstellen

niedrige Drama-Filmbewertungen in Matrix

Recommendation Engines mit PySpark erstellen

hohe Drama-Bewertungen in Matrix

Recommendation Engines mit PySpark erstellen

niedrige Horror-Bewertungen in Matrix

Recommendation Engines mit PySpark erstellen

jeweilige Werte in Faktormatrizen

Recommendation Engines mit PySpark erstellen

jeweilige Werte in Faktormatrizen

Recommendation Engines mit PySpark erstellen

Ausgangsmatrix mit Faktormatrizen und Werten

Recommendation Engines mit PySpark erstellen

Faktormatrix mit Filmen, die in einem latenten Merkmal alle hoch punkten

Recommendation Engines mit PySpark erstellen

vier unzusammenhängende Filme mit hohen Werten in einem latenten Merkmal

Recommendation Engines mit PySpark erstellen

Matrix mit diesen Filmen und hohen Durchschnittswerten

Recommendation Engines mit PySpark erstellen

unzusammenhängende Filme mit jeweiligen Shakespeare-Werken

Recommendation Engines mit PySpark erstellen

Lass uns üben!

Recommendation Engines mit PySpark erstellen

Preparing Video For Download...