НачатьНачать бесплатно

RMSE в процессе итераций ALS

Как вы знаете, алгоритм ALS поочерёдно обновляет две факторные матрицы, корректируя их значения на каждой итерации, чтобы постепенно приближаться к исходной матрице оценок. Цель этого упражнения — наглядно продемонстрировать этот процесс.

Матрица T — это матрица оценок, а матрицы F1, F2, F3, F4, F5 и F6 — результаты работы ALS после 2, 3, 4, 5 и 6 итераций соответственно. Выполните приведённые ниже инструкции, чтобы проследить, как изменяется RMSE по мере того, как ALS выполняет итерации.

Это упражнение является частью курса

Построение рекомендательных систем с помощью PySpark

Посмотреть курс

Инструкции к упражнению

  • Используйте getRMSE(pred_matrix, actual_matrix), чтобы вычислить RMSE для матрицы F1.
  • Поместите F2, F3, F4, F5 и F6 в один список под названием Fs.
  • Завершите реализацию функции getRMSEs(listOfPredMatrices, actualValues), чтобы вычислить RMSE для каждой матрицы из списка Fs.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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(____, ____)
Редактировать и запускать код