Omgaan met spaarzaamheid

Aanbevelingssystemen bouwen in Python

Rob O'Callaghan

Director of Data

Spaarzame matrices

Kleine niet-spaarzame matrix

Spaarzame matrices

Kleine niet-spaarzame matrix en grote spaarzame matrix

Spaarzame matrices

Kleine niet-spaarzame matrix en grote spaarzame matrix

Spaarzaamheid meten

print(book_rating_df)

title     The Great Gatsby    The Catcher in the Rye    Fifty Shades of Grey
User                    
User_233               3.0                       NaN                     NaN
User_651               NaN                       5.0                     4.0
User_965               4.0                       3.0                     NaN
     ...               ...                       ...                     ...

Spaarzaamheid meten

number_of_empty = book_ratings_df.isnull().values.sum()

total_number = user_ratings_df.size

sparsity = number_of_empty/total_number

print(sparsity)

0.0114

Waarom spaarzaamheid telt

Grote spaarzame matrix

Waarom spaarzaamheid telt

Grote spaarzame matrix met lege cel gemarkeerd

Waarom spaarzaamheid telt

Grote spaarzame matrix met dichtstbijzijnde gevulde buren gemarkeerd

Waarom spaarzaamheid telt

Grote spaarzame matrix met dichtstbijzijnde gevulde buren gemarkeerd

Spaarzaamheid per kolom meten

user_ratings_df.notnull().sum()

The Pelican Brief                           1
Snow Crash                                  1
The Great Gatsby                           12
Fifty Shades of Grey                        9
Leviathan                                   1
                                           ..

Matrixfactorisatie

Grote spaarzame matrix

Matrixfactorisatie

Grote spaarzame matrix naast zijn factoren

Matrixfactorisatie

Grote spaarzame matrix naast zijn factoren en een grote ingevulde matrix

Matrixvermenigvuldiging

Twee rechthoekige matrices

Matrixvermenigvuldiging

Twee rechthoekige matrices

Matrixvermenigvuldiging

Twee rechthoekige matrices

Matrixvermenigvuldiging

Twee rechthoekige matrices

Matrixvermenigvuldiging

Twee rechthoekige matrices naast een grotere matrix die het product is

Matrixvermenigvuldiging

print(matrix_x)

[[4, 1], 
 [2, 2], 
 [3, 3]]

print(matrix_b)

[[1, 0, 4], 
 [0, 1, 6]]

Matrixvermenigvuldiging

import numpy as np

dot_product = np.dot(matrix_x, matrix_b)
print(dot_product)

[[ 4  1 22]
 [ 2  2 20]
 [ 3  3 30]]

Laten we oefenen!

Aanbevelingssystemen bouwen in Python