淄博网站建设乐达推广,广州百度竞价托管,线上营销模式有哪些,设计师网站赚钱【第十八章#xff1a;Sentosa_DSML社区版-机器学习之协同过滤】
1.算子介绍 协同过滤是推荐系统中常用的一种方法。该算法旨在填补用户-产品关联矩阵中缺少的项。在算法中#xff0c;用户和产品都是通过一组少量的潜在因素描述#xff0c;这些潜在因素可以用于预测用户-产…【第十八章Sentosa_DSML社区版-机器学习之协同过滤】
1.算子介绍 协同过滤是推荐系统中常用的一种方法。该算法旨在填补用户-产品关联矩阵中缺少的项。在算法中用户和产品都是通过一组少量的潜在因素描述这些潜在因素可以用于预测用户-产品关联矩阵中缺少的项。
2.算子类型 机器学习/推荐算子
3.算子属性说明 属性 页面显示名称 选项 类型 默认值 约束规则 属性说明 top_n 推荐数量 必填 Int 10 大于0的整数 推荐数量 recommend_type 推荐类型 必选 String topUser 单选:topUser,topItem 推荐类型 cold_start_strategy 冷启动策略 必选 String nan 单选:nan drop cold_start_strategy nonnegative 是否使用非负约束 必选 Boolean 否 单选true false 是否应用非负性约束 implicit_prefs 是否使用隐式偏好 必选 Boolean 否 单选true false 是否使用隐式偏好 alpha 隐式偏好的alpha 必填 Double 1.0 0.0 隐式偏好的alpha reg_param 正则化系数 必填 Double 0.1 0 正则化系数 user_col 用户列名 必填 String user 单选:前继节点的所有列名 用户id的列名 num_user_blocks user_blocks数量 必填 Int 10 0 user_blocks数量 item_col item列名 必填 String item 单选:前继节点的所有列名 item ids的列名参数 num_item_blocks item_blocks数量 必填 Int 10 0 item_blocks数量 rating_col 评分列名 必填 String rating 单选:前继节点的所有列名 ratings列名参数 rank 矩阵分解的秩的参数 必填 Int 10 0 矩阵分解的秩的参数 max_iter 最大迭代次数 必填 Int 10 0 最大迭代次数
4.算子使用介绍
1算子初始化 参考公共功能算子初始化操作
2算子属性设置 协同过滤算子的属性设置如图所示 协同过滤算子属性设置
3算子的运行 首先通过数据读入算子读取数据中间可以接任意个数据处理算子(例行处理列处理等)然后接一个协同过滤算子后可接任意个数据处理算子再接图表分析算子或数据写出算子(不能接评估算子)形成算子流执行。 协同过滤模型算子流 模型的运行结果如图所示 协同过滤模型的运行结果 为了非商业用途的科研学者、研究人员及开发者提供学习、交流及实践机器学习技术推出了一款轻量化且完全免费的Sentosa_DSML社区版。以轻量化一键安装、平台免费使用、视频教学和社区论坛服务为主要特点能够与其他数据科学家和机器学习爱好者交流心得分享经验和解决问题。文章最后附上官网链接感兴趣工具的可以直接下载使用
Sentosa_DSML社区版官网 Sentosa_DSML算子流开发视频
