0

我正在构建推荐系统 - Lightfm 中的混合。我的数据有 39326 个独立用户和 2569 个独立游戏标题（项目）。我的火车交互空间矩阵的形状：<39326x2569 类型的稀疏矩阵 '<class 'numpy.float64'>' 包含 758931 个压缩稀疏行格式的存储元素> 我的测试交互空间矩阵的形状是：<39323x2569 类型的稀疏矩阵'<类 'numpy.float64'>' 以压缩稀疏行格式存储 194622 个元素>

我训练模型：model1 = LightFM(learning_rate=0.01, loss='warp') model1.fit(train_interactions, epochs
=20) 创建对象：<lightfm.lightfm.LightFM at 0x1bf8c8dc4c8> 但是当我尝试通过以下方式检查准确性时： train_precision = precision_at_k(model1, train_interactions, k=10).mean() test_precision = precision_at_k(model1, test_interactions, k=10).mean()

我收到错误消息：user_features 中的功能数量不正确 为什么？？？显然形状是兼容的？我错过了什么？

4

1 回答 1

1

您的测试稀疏矩阵的维度为 39323x2569，而您的训练稀疏矩阵的维度为 39326x2569。您的测试集中缺少 3 个用户。

我建议您使用 lightfm 内置的训练/测试拆分功能来避免错误：https ://making.lyst.com/lightfm/docs/cross_validation.html

如果您想以自己的方式拆分数据，还可以将 user_id 和 item_id 转换为从 0 开始的连续整数。然后使用：

from lightfm.data import Dataset
# Create your train and test set in the format [[user_id1, item_id1, score1], ..., [user_idn, item_idn, scoren]] 
# Your score can be just 1 for an implicit interaction
# user_id and item_id are integers

data = Dataset()
data.fit(unique_user_ids, # list from 0 to n_users 
         unique_item_ids # list from 0 to n_items
        )
train, weights_matrix = data.build_interactions([tuple(i) for i in train])
test, weights_matrix = data.build_interactions([tuple(i) for i in test])
于 2020-12-15T15:43:46.673 回答