没有为用户-项目协同过滤购买项目的 Dataframe 用户
Dataframe users who did not purchase item for user-item collaborative filtering
我打算使用混合用户-项目协同过滤来构建一个 Top-N 推荐系统 和 TensorFlow Keras
目前我的数据框包括|user_id|article_id|购买
购买总是 TRUE 因为数据集是用户的历史 - 文章购买
此数据集有 800,000 行和 3 列
2 个问题
我该如何处理才能让 20% purchase = true 和 80% purchase = false 来训练模型？
20%、80% true:false 比率是否适合此用例？
- How do I process it such that I will have 20% purchase = true and 80% purchase = false to train the model?
由于您只有 True 值，这意味着您必须生成 False 值。您所知道的唯一 False 是您的 table 中不存在的 user-item 交互。如果您已知的交互可以表示为稀疏矩阵（意思是，可能的交互的百分比较低，N_ITEMS x N_USER 存在）那么您可以这样做：
- 生成随机 user-item 组合
- 如果user-item交互存在，表示为True，则重复步骤1。
- 如果 user-item 互动不存在，您可以将其视为虚假互动。
现在，要完成您的 20%/80% 部分，只需定义您将从地面实况数据（真值）中获取的样本大小 N，并使用前面的步骤获取 4*N 个假值. 请记住为您的测试和评估步骤保留一些基本真实值。
- Is a 20%, 80% true:false ratio good for this use case?
在这种情况下，由于您的地面实况数据集中只有 True 值，我认为您能做的最好的事情就是尝试不同的比率。您的真实世界数据仅包含 True 值，但您也可以生成所有 False 值。需要考虑的重要部分是，您在训练时认为 False 的某些值 在您的测试和验证数据 中可能实际上是 True 值。只是不要使用所有地面实况数据，也不要生成可能组合的重要部分。
我认为一个好的开始可以是 50/50，然后尝试 60/40 等等。使用多个指标进行评估，看看它们如何根据 True/False 值的比例发生变化（某些比例可能会更好以达到更高的真阳性率，其他比例会表现更差，等等）。最后，您必须根据对您最重要的指标 select 一种模型和一种训练程序。
我打算使用混合用户-项目协同过滤来构建一个 Top-N 推荐系统 和 TensorFlow Keras
目前我的数据框包括|user_id|article_id|购买
购买总是 TRUE 因为数据集是用户的历史 - 文章购买
此数据集有 800,000 行和 3 列
2 个问题
我该如何处理才能让 20% purchase = true 和 80% purchase = false 来训练模型？
20%、80% true:false 比率是否适合此用例？
- How do I process it such that I will have 20% purchase = true and 80% purchase = false to train the model?
由于您只有 True 值，这意味着您必须生成 False 值。您所知道的唯一 False 是您的 table 中不存在的 user-item 交互。如果您已知的交互可以表示为稀疏矩阵（意思是，可能的交互的百分比较低，N_ITEMS x N_USER 存在）那么您可以这样做：
- 生成随机 user-item 组合
- 如果user-item交互存在，表示为True，则重复步骤1。
- 如果 user-item 互动不存在，您可以将其视为虚假互动。
现在，要完成您的 20%/80% 部分，只需定义您将从地面实况数据（真值）中获取的样本大小 N，并使用前面的步骤获取 4*N 个假值. 请记住为您的测试和评估步骤保留一些基本真实值。
- Is a 20%, 80% true:false ratio good for this use case?
在这种情况下，由于您的地面实况数据集中只有 True 值，我认为您能做的最好的事情就是尝试不同的比率。您的真实世界数据仅包含 True 值，但您也可以生成所有 False 值。需要考虑的重要部分是，您在训练时认为 False 的某些值 在您的测试和验证数据 中可能实际上是 True 值。只是不要使用所有地面实况数据，也不要生成可能组合的重要部分。
我认为一个好的开始可以是 50/50，然后尝试 60/40 等等。使用多个指标进行评估，看看它们如何根据 True/False 值的比例发生变化（某些比例可能会更好以达到更高的真阳性率，其他比例会表现更差，等等）。最后，您必须根据对您最重要的指标 select 一种模型和一种训练程序。