RMSE při střídání kroků ALS

Jak už víš, ALS střídavě aktualizuje dvě faktorové matice a při každé iteraci jejich hodnoty upravuje tak, aby se výsledek stále více přibližoval původní matici hodnocení. Toto cvičení ti tento princip názorně ukáže.

Matice T je matice hodnocení a matice F1, F2, F3, F4, F5 a F6 jsou výsledky ALS po 2, 3, 4, 5 a 6 iteracích. Postupuj podle pokynů níže a sleduj, jak se RMSE mění s každou další iterací ALS.

Toto cvičení je součástí kurzu

Tvorba doporučovacích systémů s PySparkem

Zobrazit kurz

Pokyny k cvičení

Pomocí getRMSE(pred_matrix, actual_matrix) vypočítej RMSE pro F1.
Vlož F2, F3, F4, F5 a F6 do jednoho seznamu s názvem Fs.
Dokonči funkci getRMSEs(listOfPredMatrices, actualValues) tak, aby vypočítala RMSE pro každou matici v seznamu Fs.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Use getRMSE(preds, actuals) to calculate the RMSE of matrices T and F1.
getRMSE(____, ____)

# Create list of F2, F3, F4, F5, and F6
Fs = [____, ____, ____, ____, ____]

# Calculate RMSE for F2, F3, F4, F5, and F6.
getRMSEs(____, ____)

Upravit a spustit kód