Tinjauan rating biner, implisit

Membangun Recommendation Engine dengan PySpark

Jamen Long

Data Scientist at Nike

Rating biner

binary_movie_ratings.show()

+------+-------+-------------+
|userId|movieId|binary_rating|
+------+-------+-------------+
|    26|    474|            0|
|    26|   2529|            1|
|    26|     26|            0|
|    26|   1950|            0|
|    26|   4823|            1|
|    26|  72011|            1|
|    26| 142507|            0|
|    38|   1325|            0|
|    38|   6011|            1|
+------+-------+-------------+

Ketidakseimbangan kelas

getSparsity(binary_ratings)

Sparsity: .993

Pembobotan item

Pembobotan Item: Film dengan lebih banyak tayangan pengguna = bobot lebih tinggi

Pembobotan item dan pengguna

Pembobotan Item: Film dengan lebih banyak tayangan pengguna = bobot lebih tinggi
Pembobotan Pengguna: Pengguna yang menonton lebih banyak film akan mendapat bobot lebih rendah untuk film yang belum ditonton

Ayo berlatih!

Membangun Recommendation Engine dengan PySpark