LFM

来源：2-6 基于LFM的用户个性化推荐与推荐结果分析

xuchengggg

2019-02-14

在LFM计算给用户推荐的list的时候并没有把用户本身喜欢的电影且点击过的电影给排除掉，那计算出来的应该和用户原本的喜欢的电影应该有大部分重合才对，但是并不是这样的，应该怎么样判断这个结果的好坏呢，还有如何判断训练多久效果最好呢？

写回答

1回答

David

2019-02-14

召回可以用固定的方法去评估就是分出一部分测试数据集，课程里在总结召回离线在线评估时候有讲。你反馈的问题应该是训练还不太收敛你可以打印出loss 观察一下loss收敛没有

xuchengggg

老师您好，loss是否可以直接用 loss = 0 for data_instance in train_data: userid,itemid,label = data_instance loss += math.pow(label -model_predict(user_vec[userid],item_vec[itemid]),2) 我用这个计算loss的时候一开始14，15个迭代loss从3000多降低到700，后面基本从665缓慢下降到660，那这时候loss已经收敛了嘛

2019-02-15

共1条回复

个性化推荐算法实战（可用于毕设） BAT大牛亲授

让你掌握一套完整的，能落地的个性化推荐算法体系。可用于毕设。

839 学习 · 253 问题

查看课程

相似问题

关于LFM和itemcf对比问题，谢谢

回答 1

LFM问题

回答 1

LFM训练完模型以后，如果用户有行为更新，是不是要重新训练

回答 1

append全局路径后打印sys.path的确被添加了但报错no module

回答 2

lfm 求导问题

回答 1

打开慕课网App查看更多内容