Comment ALS alterne pour générer des prédictions

Créer des moteurs de recommandation avec PySpark

Jamen Long

Data Scientist at Nike

matrice partiellement vide

matrice partiellement vide avec deux matrices de facteurs entièrement remplies

matrice partiellement vide avec deux matrices de facteurs entièrement remplies ; sur une matrice de facteurs « ajustée », sur les autres « constante »

même image que ci-dessus avec un graphique : itérations en x, RMSE en y, un point haut à gauche

même image que ci-dessus avec un nouveau point plus bas en y et plus à droite en x, une ligne reliant les points

même image que ci-dessus avec un autre point plus bas en y et plus à droite en x, une ligne reliant les points

même image que ci-dessus avec plus de points montrant la baisse du RMSE au fil des itérations du modèle

matrice partiellement vide avec flèche vers une approximation entièrement remplie d'une autre matrice

matrice partiellement vide

matrice partiellement vide avec deux matrices de facteurs entièrement remplies

matrice partiellement vide avec une valeur en surbrillance et deux matrices de facteurs avec la ligne et la colonne correspondantes en surbrillance

matrice partiellement vide avec une autre valeur en surbrillance et deux matrices de facteurs avec la ligne et la colonne correspondantes en surbrillance

matrice partiellement vide avec des flèches horizontales pointant la première valeur de chaque ligne et deux matrices de facteurs

matrice partiellement vide avec des flèches verticales vers le bas pointant la première valeur de chaque colonne et deux matrices de facteurs

matrice d'origine avec deux matrices de facteurs où toutes les valeurs sont en surbrillance

matrice d'origine et deux matrices de facteurs avec toutes les valeurs en surbrillance, et cases vides de la matrice d'origine en surbrillance

quatrième matrice ajoutée montrant où ALS a rempli les cellules vides

Passons à la pratique !

Créer des moteurs de recommandation avec PySpark