recommenderlab 包实现电影评分预测
17 天 后
请问在第3个代码块中
> ml100k <- cast(ml100k, V1 ~ V2, value = "V3")
> ml.useritem[1:3, 1:6]
中间是否少了一步:
ml.useritem <- ml100k[,-1]
> ml100k <- cast(ml100k, V1 ~ V2, value = "V3")
> ml.useritem[1:3, 1:6]
中间是否少了一步:
ml.useritem <- ml100k[,-1]
6 天 后
求教
执行ml.ratingMatrix <- as(ml.useritem, "realRatingMatrix")时出现错误:
Error in as(ml.useritem, "realRatingMatrix") :
没有可以用来強制转换“matrix”成“realRatingMatrix”的方法或默认函数
执行ml.ratingMatrix <- as(ml.useritem, "realRatingMatrix")时出现错误:
Error in as(ml.useritem, "realRatingMatrix") :
没有可以用来強制转换“matrix”成“realRatingMatrix”的方法或默认函数
1 年 后
Q1.执行prop.table(table(ml100k[, 3]))的结果和截图不一样
1 2 3 4 5
0.06110 0.11370 0.27145 0.34174 0.21201
Q2.执行> summary(ml100k[, 3])的结果也和截图不一样
Min. 1st Qu. Median Mean 3rd Qu. Max.
1.00 3.00 4.00 3.53 4.00 5.00
Q3.执行该语句,结果和本文截图不一样,需要把1:6改为1:7,才会出现6列,且V1列是怎么回事呀
ml.useritem ml.useritem[1:3, 1:7]#把数据整理成ratingMatrix
V1 1 2 3 4 5 6
1 1 5 3 4 3 3 5
2 2 4 NA NA NA NA NA
3 3 NA NA NA NA NA NA
Q4.在计算RMSE时,calcPredictionError()函数提示错误
1 2 3 4 5
0.06110 0.11370 0.27145 0.34174 0.21201
Q2.执行> summary(ml100k[, 3])的结果也和截图不一样
Min. 1st Qu. Median Mean 3rd Qu. Max.
1.00 3.00 4.00 3.53 4.00 5.00
Q3.执行该语句,结果和本文截图不一样,需要把1:6改为1:7,才会出现6列,且V1列是怎么回事呀
ml.useritem ml.useritem[1:3, 1:7]#把数据整理成ratingMatrix
V1 1 2 3 4 5 6
1 1 5 3 4 3 3 5
2 2 4 NA NA NA NA NA
3 3 NA NA NA NA NA NA
Q4.在计算RMSE时,calcPredictionError()函数提示错误
3 个月 后
[未知用户] 函数名变更为calcPredictionAccuracy
1 年 后
怎么画图呀?最后两个图
请问一下,原始数据是评分数据,但是
> ml100k ml.useritem[1:3, 1:6]
这两步之后得到的是1、0矩阵,何解?
> ml100k ml.useritem[1:3, 1:6]
这两步之后得到的是1、0矩阵,何解?
6 个月 后
贴点自己的学习困惑在上面吧,关于该包对于测试集与训练集的划分这个问题。
recommenderlab这个包是按照用户id来划分 训练集 与 测试集,测试集又划分为用以预测的known data 与用以评价模型的unknown data。
问题有二,1.对于测试集来说这么划分的意义在哪里?2.这种样本划分规则下,测试集的用户没有在训练集中出现过,基于矩阵分解的方法是没办法对这些用户(样本外观测)加以预测的,那么这种规则是否合理呢?
在此抛砖引玉,希望各位高手大显神通帮助解答我的困惑。
recommenderlab这个包是按照用户id来划分 训练集 与 测试集,测试集又划分为用以预测的known data 与用以评价模型的unknown data。
问题有二,1.对于测试集来说这么划分的意义在哪里?2.这种样本划分规则下,测试集的用户没有在训练集中出现过,基于矩阵分解的方法是没办法对这些用户(样本外观测)加以预测的,那么这种规则是否合理呢?
在此抛砖引玉,希望各位高手大显神通帮助解答我的困惑。