4
私は、Mahout in Actionのコード例のいくつかを詳しく調べています。データに適用されるさまざまなアルゴリズムのRMSを計算する小さなテストを構築しました。勧告を評価する - xのケースではお勧めできない
もちろん、複数のパラメータがRMSに影響しますが、評価を実行中に生成される「ケースでは推奨できません」というメッセージは理解できません。
StatsCallable.javaを見ると、これはエバリュエータがNaN応答を検出したときに生成されます。おそらく、トレーニングセットやユーザーの推奨に十分なデータがないため、推奨を提供できません。
RMSスコアは非常に大きな「推奨できない」ケースの影響を受けていないようです。その仮定は正しいのでしょうか？ RMSだけでなく、「推奨できない」ケースと私の全体的なトレーニングセットの比率も評価しなければなりませんか？
フィードバックに感謝します。
ショーン - 私は返信し、返信に感謝したいと思います。私は一連のテストを終了し、私のデータセットではピアソンが最悪の結果を出し、Log Likelihoodがユーザーに最も適した推奨であることがわかりました。一般に、私のデータの10％は「推薦できません」カテゴリに分類されましたが、ピアソンにとっては20％に似ていました。いずれにしても、リンゴとリンゴを比較するには、推薦できないデータをRMSスコアに含めることで、すべての推薦者を公正に比較することになりました。 –
ピアーソン相関はコーナーケースでは定義されていません。疎なデータでは、これは珍しいことではありません。対数尤度は、少なくともこれらの場合に定義される。 （これはより良いデフォルトです。）結果は私を驚かせるものではありません。 –