Здравствуйте, paul.marx, Вы писали:

PM>Здравствуйте, Gattaka, Вы писали:

PM>Оба-на!
PM>Наконец-то возможность подвернулась высказаться в теме от первого лица!
PM>Ну и похвастать книжкой: https://www.amazon.com/Providing-Actionable-Recommendations-Paul-Marx/dp/3844102159/
PM>

PM>ответ в главе 2.1.1.3
PM>в общих чертах, мы имеем на входе неполную и очень разряженную матрицу. (колонки — объекты, строки — юзеры, ячейки — оценка юзером объекта).
PM>задача рекомендательной системы заполнить в этой матрице свободные места.
PM>факторизационные методы делают разложение неполной матрицы на "латентные" факторы, которые описывают юзерские оценки в неком n-мерном пространстве. имея это n-мерное разложение, восстанавливается "исходная" двумерная матрица, в которой, вуаля, пустые ячейки теперь заполнены.

PM>собственно, способ, как именно делать разложение на факторы, и определяет особенность конкретного факторизационного метода.

PM>в общем — точность предсказаний определяют в основном количество факторов (которое должно быть оптимальным для данной матрицы), точность(метод) разложения и масса мелких параметров. быстрый метод раскладывает матрицу в 100млн элементов (скажем 6000х17000) более-менее удовлетворительно в плане точности примерно за час. "ну да и фиг с ним!", — говорят эксперты. бо само разложение не надо делать часто. оно может вызываться периодически, скажем два раза в день/месяц/год. в остальное время для рекомендаций/предсказаний используется уже рассчитанная и сохраненная "восстановленная" матрица.


PM>ПС: а predictor делает predictions, которые и есть предсказания
PM>а весы можно использовать, если есть для этого основания, но как правило используют само значение, округленное и отсеченное в рамках шкалы оценок системы

Ага, т.е. "аппроксимируют" матрицу с пропущенными значениями, а потом дают на вход какому-нибудь GBM? Это типа лучше работает, чем GBM на исходных данных? И еще вопрос в случае если у меня нет оценок продуктов, а нужно просто предсказать что клиент купит продукт или нет. По факту бинарная оценка 0- не покупал и 1 — покупал. В данном случае имеет смысл применять факторизационные машины? Возможен профит?