Tahminlerinizi doğrulama

Python ile Öneri Motorları Geliştirme

Rob O'Callaghan

Director of Data

Tutma setleri

Büyük matris

Tutma setleri

Son sütunu vurgulanmış büyük matris

Tutma setleri

Son sütunu vurgulanmış büyük matrisin yanında vurgulanmamış matris

Tutma setleri

Son sütunu vurgulanmış büyük matrisin yanında düzensiz vurgulanmış matris

Tutma setleri

Alt satırları tutma seti olarak vurgulanmış büyük matrisin yanında vurgulanmamış matris

Tutma setleri

Alt satırları ayrılmış tutma seti olarak vurgulanmış büyük matrisin yanında sol alt köşesi vurgulanmış matris

Tutma setini ayırma

actual_values = act_ratings_df.iloc[:20, :100].values

act_ratings_df.iloc[:20, :100] = np.nan

Önceki gibi tahmin üretin.

predicted_values = calc_pred_ratings_df.iloc[:20, :100].values

Tutma setini maskeleme

mask = ~np.isnan(actual_values)

print(actual_values[mask])

[4.  4.  5.  3.  3.  ...]

print(predicted_values[mask])

[3.76, 4.35,  4.95,  3.5869079 3.686337   ...]

RMSE’yi tanıyalım (kök ortalama kare hata)

Gerçek ve tahmin edilen değerler tablosu

RMSE’yi tanıyalım (kök ortalama kare hata)

Gerçek ve tahmin edilen değerler ile farklarının tablosu

RMSE’yi tanıyalım (kök ortalama kare hata)

Gerçek ve tahmin edilen değerler, farkları ve farkların karesi tablosu

RMSE’yi tanıyalım (kök ortalama kare hata)

Gerçek ve tahmin edilen değerler, farkları, farkların karesi ve RMSE denklemi tablosu

RMSE’yi tanıyalım (kök ortalama kare hata)

Gerçek ve tahmin edilen değerler, farkları, farkların karesi ve RMSE denklemi tablosu

RMSE’yi tanıyalım (kök ortalama kare hata)

Gerçek ve tahmin edilen değerler, farkları, farkların karesi ve RMSE denklemi tablosu

Python’da RMSE

from sklearn.metrics import mean_squared_error

print(mean_squared_error(actual_values[mask],
                         predicted_values[mask],
                         squared=False))

3.6223997

Haydi pratik yapalım!

Python ile Öneri Motorları Geliştirme