Jak ALS naprzemiennie generuje przewidywania

Budowanie silników rekomendacji w PySpark

Jamen Long

Data Scientist at Nike

częściowo pusta macierz

częściowo pusta macierz z dwiema kompletnymi macierzami czynnikowymi

częściowo pusta macierz z dwiema kompletnymi macierzami czynnikowymi; jedna macierz z napisem „dostosowana", pozostałe z napisem „stała"

ten sam obraz z wykresem: iteracje na osi X, RMSE na osi Y, kropka wysoko po lewej stronie

ten sam wykres z nową kropką niżej na osi Y i dalej na osi X, połączoną linią z poprzednią

ten sam wykres z kolejną kropką niżej na osi Y i dalej na osi X, połączoną linią z poprzednią

ten sam wykres z kolejnymi kropkami pokazującymi spadek RMSE wraz z kolejnymi iteracjami

częściowo pusta macierz ze strzałką prowadzącą do jej kompletnego przybliżenia

częściowo pusta macierz

częściowo pusta macierz z dwiema kompletnymi macierzami czynnikowymi

częściowo pusta macierz z wyróżnioną wartością i dwiema macierzami czynnikowymi z zaznaczonymi odpowiednim wierszem i kolumną

częściowo pusta macierz z inną wyróżnioną wartością i dwiema macierzami czynnikowymi z zaznaczonymi odpowiednim wierszem i kolumną

częściowo pusta macierz z poziomymi strzałkami wskazującymi pierwszą wartość w każdym wierszu i dwiema macierzami czynnikowymi

częściowo pusta macierz z pionowymi strzałkami skierowanymi w dół wskazującymi pierwszą wartość w każdej kolumnie i dwiema macierzami czynnikowymi

oryginalna macierz z dwiema macierzami czynnikowymi, wszystkie wartości zaznaczone

oryginalna macierz z dwiema macierzami czynnikowymi, wszystkie wartości zaznaczone wraz z pustymi komórkami w oryginalnej macierzy

dodana czwarta macierz pokazująca, gdzie ALS wypełnił puste komórki

Czas na ćwiczenia!

Budowanie silników rekomendacji w PySpark