问题标签 [recommender-systems]

在LightFM，评估方法，例如，precision_at_k有一个preserve_rows默认值的参数False。在什么情况下我会成功True？

我目前正在将 pyspark 与 Apache Spark (v 2.2.1) 一起使用。我的 IDE 是 Jupyter Notebook。我正在尝试计算行矩阵的相似性。我遵循了这个文档：http ://spark.apache.org/docs/latest/api/python/pyspark.mllib.html?highlight=rowmatrix#pyspark.mllib.linalg.distributed.RowMatrix

我的代码是：

我有这个错误：

我最近在 jupyter Notebook 上使用 python 为网站的推荐引擎编写代码。

我是否必须重写 C# 中的代码才能在网页中编写脚本，或者有一种方法可以将 python 代码插入 C#。我在 C# 方面的知识非常有限。也许，我可以减少我的编码时间，而无需再次重写整个事情。

所以基本上，我想表示在每个购物车 ID 下购买了多少商品，作为名称而不是数字。在 2 列表中。 这是cartid 和产品名称表的前几列

这就是我想要实现的

我的目标是拟合一个适合我个人数据的模型，并且我已经处理了数据并将其制作为三个文件：交互矩阵（394*2188）；项目特征矩阵（5241*5241）；用户特征矩阵（1043*1043）；我已将它们全部转换为稀疏矩阵，并且我的两个特征矩阵都包含比交互更多的内容。当我通过这些数据拟合模型并进行预测时，有我的代码和错误：代码：

错误： 引发 ValueError（'item_features 中的特征数量不正确'） ValueError：item_features 中的特征数量不正确

1. 如何转换交互矩阵的用户和项目小于特征矩阵的数据
2. 如何向所有用户（包括新用户）推荐新旧项目

嗨，我是这个领域的新手。我对推荐算法中的准确性方法感到困惑。据我所知，用户项目的评分矩阵是稀疏的。我知道我可以使用一些算法来预测缺失值和模型，如 RMSE 或 MAE，但是如何计算准确度？

对于某些项目，我不知道他们的真实评级。如果我使用 0，它会增加错误，不是吗？

感谢帮助！

我正在使用 Graphlab 的 item_similarity_recommender 并且我注意到 predict() 函数将零分配给大多数预测项目，即使评级从 1 到 5。这当然会导致 RMSE 非常高。

由于 item_similarity_recommender 是基于 KNN 的，我假设预测的评分应该是 1-5。谁能向我解释为什么会这样？

代码如下：

我在我的数据集上使用LightFM推荐库，它为我提供了下图中的结果。

我的特征形状如下：

如何优化我的超参数以提高曲线下面积 (AUC) 分数？

我尝试使用 lightfm v. 1.14 来构建一个混合推荐系统。

我能够使用以下代码将所有数据放入稀疏矩阵中：

到目前为止，它看起来不错，只有通过“火车”我才能得到建议。但是当我添加 item_features 时，出现以下错误：

首先，在我看来错误消息是错误的，因为它是关于 item_features 而不是 user_features。

但更重要的是，我找不到我的错误。有人可以帮我吗？

我正在尝试在R. 数据集如下： https ://drive.google.com/file/d/1FVh-Xg3NBtzKgZHnDTi7IjaATW_fPmW9/view?usp=sharing

现在，如果我们检查每个对象中的评论数量，两者都不匹配

而且评级范围也不匹配：

[1] 0 5

[1] 0 15

我也检查了其他数据集，没有出现问题。