2

Myrrix 有以下输入：

11, 101, 1
11, 102, 1
11, 103, 1
11, 104, 1000
11, 105, 1000
11, 106, 1000

12, 101, 1
12, 102, 1
12, 103, 1
12, 222, 1

13, 104, 1000
13, 105, 1000
13, 106, 1000
13, 333, 1000

我正在寻找要推荐给用户 11 的项目。期望项目 333 将首先被推荐（因为用户 13 和项目 104、105、106 的权重较高）。

以下是 Myrrix 的推荐结果：

11, 222, 0.04709
11, 333, 0.0334058

请注意，建议项目 222 的强度为 0.047，但项目 333 的强度仅为 0.033——与预期结果相反。

我还预计强度差异会更大（因为 1000 和 1 是如此不同），但显然，当订单甚至不是我所期望的时，这是没有实际意义的。

我如何解释这些结果以及我应该如何考虑重量参数？我们正在与一个大客户在紧迫的期限内合作，并希望得到任何指点。

4

1 回答 1

1

根据小型综合数据集很难判断。我认为最大的因素将是这里的参数——特征的数量是多少？拉姆达？我希望 features = 2 这里。如果它更高，我认为您很快就会过度拟合，结果主要是在完美解释用户 11 不与 222 和 333 交互之后留下的噪音。

这些值非常低，表明这两个都不是可能的结果，因此它们的顺序可能比任何东西都更嘈杂。如果从另一个随机起点重建模型，您会看到不同的结果吗？

于 2013-09-16T07:18:11.367 回答