予測の検証

Pythonでつくるレコメンデーションエンジン

Rob O'Callaghan

Director of Data

ホールドアウトセット

大きな行列

ホールドアウトセット

最後の列を強調した大きな行列

ホールドアウトセット

最後の列を強調した大きな行列と、強調なしの行列

ホールドアウトセット

最後の列を強調した大きな行列と、不規則に強調された行列

ホールドアウトセット

ホールドアウト集合として下部行を強調した大きな行列と、強調なしの行列

ホールドアウトセット

ホールドアウト集合として下部行を強調した大きな行列と、左下角を強調した行列

ホールドアウトセットの分離

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

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

これまでどおり予測を生成します。

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

ホールドアウトセットのマスキング

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（二乗平均平方根誤差）の導入

実測値と予測値の表

RMSE（二乗平均平方根誤差）の導入

実測値・予測値とその差の表

RMSE（二乗平均平方根誤差）の導入

実測値・予測値、その差、その差の二乗の表

RMSE（二乗平均平方根誤差）の導入

実測値・予測値、その差、その差の二乗とRMSEの式の表

RMSE（二乗平均平方根誤差）の導入

実測値・予測値、その差、その差の二乗とRMSEの式の表

RMSE（二乗平均平方根誤差）の導入

実測値・予測値、その差、その差の二乗とRMSEの式の表

PythonでのRMSE

from sklearn.metrics import mean_squared_error

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

3.6223997

Passons à la pratique !

Pythonでつくるレコメンデーションエンジン