未为用户项协作筛选购买项目的Dataframe用户

Question

我打算使用混合用户项协作过滤来构建一个Top推荐系统和TensorFlow Keras。

目前，我的数据文件由|user_id|article_id|purchase组成

​

​

购买总是真，因为数据集是用户购买商品的历史记录。

此数据集有80万行和3列。

2个问题

1. 如何处理它，使我有20%的购买=真，80%的购买=假的训练模型？

1. 是20%，80%正确:错误比率对这个用例很好？

Answer 1

1. 如何处理它，使我有20%的购买=真，80%的购买=假的训练模型？

因为您只有True值，这意味着您必须生成假值。您所知道的唯一错误是表中不存在的用户项交互。如果您已知的交互可以表示为稀疏矩阵(也就是说，可能的交互( N_ITEMS X N_USER )中的百分比很低)，那么您可以这样做：

如果用户项交互存在，则interaction.

• 生成一个随机的用户项组合

• ，表示为True，然后重复步骤1.如果用户项交互不存在，则可以将其视为假

• 。

现在，要完成您的20%/80%的部分，只需定义从实际真实值(True values)中获取的样本的大小N，然后使用前面的步骤获取4*N的假值。记住为您的测试和评估步骤保留一些基本的真值。

1. 是20%，80%正确:错误比率对这个用例很好？

在这种情况下，由于只有真实值在你的真实数据集中，我认为你能做的最好的是尝试不同的比率。您的真实世界数据只包含True值，但是您也可以生成所有的假值。需要考虑的重要部分是，在培训时，您将认为错误的一些值实际上可能是测试和验证数据中的真值。只是不要使用你所有的地面真相数据，也不要产生可能的组合的一个重要部分。

我认为一个好的开端可能是50/50，然后再试试60/40等等。使用多个指标进行评估，看看它们是如何根据真假值的比例变化的(一些比例可能更好地达到较高的真阳性率，而另一些则会更糟等等)。最后，您必须根据对您最重要的指标选择一个模型和一个培训过程。