Lewati ke konten
Datamewby Intura
Mulai gratis
Pengantar Machine Learning

Sistem Rekomendasi

Mengisi sel kosong di matriks pengguna–item dengan tiga cara — segmen demografis, fitur item, dan tetangga yang mirip — lalu mengukur mana yang benar.

Tingkat
Menengah
Pelajaran
4
Total waktu
1j 18m
Simulasi
5
Termasuk di Pengantar Machine Learning · $9
Tools yang dipakai
  • Python
  • scikit-learn
  • pandas
  • NumPy
Keterampilan
  • Matriks pengguna–item
  • Demographic filtering
  • Content-based filtering
  • Collaborative filtering
  • Matrix factorisation
  • Precision@k dan NDCG
Coba sekarang — gratis

Ini simulasi asli dari modulnya. Tanpa akun.

Yang akan Anda bisa

  • Memprediksi rating yang hilang dengan baseline popularitas dan demografis, dan tahu kenapa keduanya harus dikalahkan
  • Mengimplementasikan content-based dan collaborative filtering dalam ~20 baris numpy/pandas
  • Menjelaskan sparsity, cold start, dan kenapa faktorisasi matriks menjadi versi yang skalabel
  • Mengevaluasi recommender dengan metrik rating dan peringkat, offline dan lewat A/B test

Sebelum mulai

Hanya saran, tidak pernah mengunci — Anda bisa mulai di sini.

  • knn
  • unsupervised-learning
Modul yang membantu lebih dulu

Silabus

4 pelajaran · 1j 18m

Judul dan ringkasan setiap pelajaran terbuka untuk umum. Isi pelajarannya terbuka setelah Anda memiliki jalurnya.

Semua pelajaran di Pengantar Machine Learning

  1. Apa yang Diprediksi Sebuah Recommender

    18 min

    Setiap rekomendasi adalah tebakan untuk satu sel kosong di matriks pengguna–item — dan tebakan termudahnya, rata-rata segmen, ternyata susah dikalahkan.

    Termasuk dalam jalurnya Simulasi

  2. Content-Based Filtering

    18 min

    Kalau Anda tahu apa isi sebuah item, Anda bisa merekomendasikannya ke orang yang menyukai item serupa — bahkan sebelum siapa pun menilainya.

    Termasuk dalam jalurnya Simulasi

  3. Collaborative Filtering

    22 min

    Orang yang menilai serupa di masa lalu akan menilai serupa di masa depan — dari satu asumsi itu lahir user-based, item-based, dan faktorisasi matriks.

    Termasuk dalam jalurnya Simulasi

  4. Mengevaluasi dan Menggabungkan Recommender

    20 min

    RMSE yang lebih kecil belum tentu daftar yang lebih baik: metrik peringkat, A/B test, strategi hybrid, dan bias popularitas yang diam-diam memperkuat dirinya.

    Termasuk dalam jalurnya Simulasi
Akses seumur hidup
$9
Beli jalurnya
Lainnya di Pengantar Machine Learning
Modul · Pemula

Getting Started

Tiga jenis pembelajaran, dan dua cara membedakan data yang menentukan hampir semua keputusan berikutnya.

  • 2 pelajaran
  • 30 min
  • 2 simulasi
Termasuk di Pengantar Machine Learning· $9
Modul · Pemula

Dataset Splitting, Cross-Validation, Data Leakage

Sebelum algoritma apa pun. Split yang salah menghasilkan angka bagus yang bohong.

  • 2 pelajaran
  • 34 min
  • 2 simulasi
Termasuk di Pengantar Machine Learning· $9
Modul · Pemula

Training, Evaluation, Bias–Variance, Tuning

Cara melatih, cara mengukur dengan metrik yang benar, dan satu trade-off yang menjelaskan hampir semua kegagalan model.

  • 3 pelajaran
  • 48 min
  • 3 simulasi
Termasuk di Pengantar Machine Learning· $9
Modul · Pemula

KNN — Classifier dan Regressor

Algoritma yang tidak belajar apa pun, dan justru karena itu ia mengajarkan banyak hal.

  • 1 pelajaran
  • 16 min
  • 1 simulasi
Termasuk di Pengantar Machine Learning· $9