Walidacja prognoz

Budowanie systemów rekomendacji w Pythonie

Rob O'Callaghan

Director of Data

Zbiory testowe

Duża macierz

Zbiory testowe

Duża macierz z wyróżnioną ostatnią kolumną

Zbiory testowe

Duża macierz z wyróżnioną ostatnią kolumną obok macierzy bez wyróżnienia

Zbiory testowe

Duża macierz z wyróżnioną ostatnią kolumną obok macierzy z nieregularnym wyróżnieniem

Zbiory testowe

Duża macierz z wyróżnionymi dolnymi wierszami jako zbiór testowy obok macierzy bez wyróżnienia

Zbiory testowe

Duża macierz z wyróżnionymi dolnymi wierszami jako zbiór testowy obok macierzy z wyróżnionym lewym dolnym rogiem

Wyodrębnianie zbioru testowego

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

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

Wygeneruj prognozy jak poprzednio.

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

Maskowanie zbioru testowego

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   ...]

Wprowadzenie do RMSE (pierwiastek błędu średniokwadratowego)

Tabela wartości rzeczywistych i prognozowanych

Wprowadzenie do RMSE (pierwiastek błędu średniokwadratowego)

Tabela wartości rzeczywistych, prognozowanych i ich różnic

Wprowadzenie do RMSE (pierwiastek błędu średniokwadratowego)

Tabela wartości rzeczywistych, prognozowanych, ich różnic i kwadratów różnic

Wprowadzenie do RMSE (pierwiastek błędu średniokwadratowego)

Tabela wartości rzeczywistych, prognozowanych, ich różnic, kwadratów różnic i równania RMSE

Wprowadzenie do RMSE (pierwiastek błędu średniokwadratowego)

Tabela wartości rzeczywistych, prognozowanych, ich różnic, kwadratów różnic i równania RMSE

Wprowadzenie do RMSE (pierwiastek błędu średniokwadratowego)

Tabela wartości rzeczywistych, prognozowanych, ich różnic, kwadratów różnic i równania RMSE

RMSE w Pythonie

from sklearn.metrics import mean_squared_error

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

3.6223997

Czas na ćwiczenia!

Budowanie systemów rekomendacji w Pythonie