Come ALS alterna per generare previsioni

Costruire motori di raccomandazione con PySpark

Jamen Long

Data Scientist at Nike

matrice parzialmente vuota

matrice parzialmente vuota con due matrici fattori completamente piene

matrice parzialmente vuota con due matrici fattori completamente piene; su una matrice fattore c'è scritto "adjusted", sulle altre "constant"

stessa immagine di sopra con grafico: iterazioni sull'asse x e RMSE sull'asse y e un punto alto a sinistra

stessa immagine di sopra con grafico: iterazioni su x e RMSE su y e un nuovo punto più in basso su y e più a destra su x, con una linea che collega i punti

stessa immagine di sopra con grafico: iterazioni su x e RMSE su y e un altro punto più in basso su y e più a destra su x, con una linea che collega i punti

stessa immagine di sopra con più punti che indicano RMSE in calo man mano che il modello itera

matrice parzialmente vuota con freccia verso un'approssimazione completamente piena di un'altra matrice

matrice parzialmente vuota

matrice parzialmente vuota con due matrici fattori completamente piene

matrice parzialmente vuota con un valore evidenziato e due matrici fattori con rispettiva riga e colonna evidenziate

matrice parzialmente vuota con un altro valore evidenziato e due matrici fattori con rispettiva riga e colonna evidenziate

matrice parzialmente vuota con frecce orizzontali che puntano al primo valore di ogni riga e due matrici fattori

matrice parzialmente vuota con frecce verticali verso il basso che puntano al primo valore di ogni colonna e due matrici fattori

matrice originale con due matrici fattori con tutti i valori evidenziati

matrice originale con due matrici fattori con tutti i valori evidenziati e spazi vuoti nella matrice originale evidenziati

quarta matrice aggiunta che mostra dove ALS ha riempito le celle vuote

Esercitiamoci!

Costruire motori di raccomandazione con PySpark