Перевірка ваших прогнозів

Створення систем рекомендацій у Python

Rob O'Callaghan

Director of Data

Відкладені вибірки (hold-out)

Велика матриця

Відкладені вибірки (hold-out)

Велика матриця з підсвіченим останнім стовпцем

Відкладені вибірки (hold-out)

Велика матриця з підсвіченим останнім стовпцем поруч із не підсвіченою матрицею

Відкладені вибірки (hold-out)

Велика матриця з підсвіченим останнім стовпцем поруч із матрицею з нерегулярним підсвічуванням

Відкладені вибірки (hold-out)

Велика матриця з підсвіченими нижніми рядками як відкладеною вибіркою поруч із не підсвіченою матрицею

Відкладені вибірки (hold-out)

Велика матриця з підсвіченими нижніми рядками як відкладеною вибіркою поруч із матрицею з підсвіченим нижнім лівим кутом

Відокремлення відкладеної вибірки

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

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

Згенеруйте прогнози як раніше.

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

Маскування відкладеної вибірки

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   ...]

Знайомство з RMSE (корінь із середньоквадратичної помилки)

Таблиця фактичних і прогнозованих значень

Знайомство з RMSE (корінь із середньоквадратичної помилки)

Таблиця фактичних і прогнозованих значень та їх різниці

Знайомство з RMSE (корінь із середньоквадратичної помилки)

Таблиця фактичних і прогнозованих значень, їх різниці та квадрата різниці

Знайомство з RMSE (корінь із середньоквадратичної помилки)

Таблиця фактичних і прогнозованих значень, їх різниці, квадрата різниці та формула RMSE

Знайомство з RMSE (корінь із середньоквадратичної помилки)

Таблиця фактичних і прогнозованих значень, їх різниці, квадрата різниці та формула RMSE

Знайомство з RMSE (корінь із середньоквадратичної помилки)

Таблиця фактичних і прогнозованих значень, їх різниці, квадрата різниці та формула RMSE

RMSE у Python

from sklearn.metrics import mean_squared_error

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

3.6223997

Давайте потренуємось!

Створення систем рекомендацій у Python