La RMSE au fil des alternances d’ALS
Comme vous le savez, ALS alterne entre deux matrices de facteurs, en ajustant leurs valeurs à chaque étape pour se rapprocher itérativement de l’approximation de la matrice de notes d’origine. Cet exercice a pour but de vous l’illustrer.
La matrice T est une matrice de notes, et les matrices F1, F2, F3, F4, F5 et F6 sont les produits successifs d’ALS après 2, 3, 4, 5 et 6 itérations respectivement. Suivez les instructions ci-dessous pour observer l’évolution de la RMSE au fur et à mesure des itérations d’ALS.
Cet exercice fait partie du cours
<cours>Créer des moteurs de recommandation avec PySpark</cours>Instructions de l’exercice
- Utilisez
getRMSE(pred_matrix, actual_matrix)pour calculer la RMSE deF1. - Placez
F2,F3,F4,F5etF6dans une liste appeléeFs. - Complétez la fonction
getRMSEs(listOfPredMatrices, actualValues)pour calculer la RMSE de chaque matrice de la listeFs.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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(____, ____)