Ověřování předpovědí

Tvorba doporučovacích systémů v Pythonu

Rob O'Callaghan

Director of Data

Hold-out sady

Velká matice

Hold-out sady

Velká matice se zvýrazněným posledním sloupcem

Hold-out sady

Velká matice se zvýrazněným posledním sloupcem vedle nezvýrazněné matice

Hold-out sady

Velká matice se zvýrazněným posledním sloupcem vedle matice s nepravidelným zvýrazněním

Hold-out sady

Velká matice se zvýrazněnými dolními řádky jako holdout sada vedle nezvýrazněné matice

Hold-out sady

Velká matice se zvýrazněnými dolními řádky jako holdout sada vedle matice se zvýrazněným levým dolním rohem

Oddělení hold-out sady

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

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

Generujte předpovědi jako dříve.

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

Maskování hold-out sady

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   ...]

Úvod do RMSE (střední kvadratická chyba)

Tabulka skutečných a předpovězených hodnot

Úvod do RMSE (střední kvadratická chyba)

Tabulka skutečných a předpovězených hodnot a jejich rozdílu

Úvod do RMSE (střední kvadratická chyba)

Tabulka skutečných a předpovězených hodnot, jejich rozdílu a rozdílu na druhou

Úvod do RMSE (střední kvadratická chyba)

Tabulka skutečných a předpovězených hodnot, jejich rozdílu, rozdílu na druhou a rovnice RMSE

Úvod do RMSE (střední kvadratická chyba)

Tabulka skutečných a předpovězených hodnot, jejich rozdílu, rozdílu na druhou a rovnice RMSE

Úvod do RMSE (střední kvadratická chyba)

Tabulka skutečných a předpovězených hodnot, jejich rozdílu, rozdílu na druhou a rovnice RMSE

RMSE v Pythonu

from sklearn.metrics import mean_squared_error

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

3.6223997

Pojďme si procvičit!

Tvorba doporučovacích systémů v Pythonu