user_features中不正确的特性数量

Question

我正在建设推荐系统-混合在Lightfm。我的数据有39326独特的用户和2569个独特的游戏标题(项目)。我的列车交互稀疏矩阵具有形状：<39326x2569型稀疏矩阵，类型为，压缩稀疏行format>中有758931个存储元素，我的测试交互稀疏矩阵有“”类型的shape:<39323x2569稀疏矩阵和压缩稀疏行format>中存储的194622个元素.

我训练模型: model1 = LightFM(learning_rate=0.01，loss='warp')模型1.warp(train_interactions，

( epochs=20)，它创建对象：，但当我试图检查准确性时: train_precision = precision_at_k(model1，train_interactions，k=10).mean() test_precision = precision_at_k(model1，test_interactions，k=10).mean()

我收到错误信息: user_features中不正确的特性数，为什么？很明显这些形状是相容的？我遗漏了什么？

Answer 1

您的测试稀疏矩阵是维度39323x2569，而您的列车稀疏矩阵是维度39326x2569。您在测试集中缺少了3个用户。

我建议您使用lightfm内置的列车/测试拆分功能来避免错误：https://making.lyst.com/lightfm/docs/cross_validation.html。

如果希望以自己的方式拆分数据，还可以将user_id和item_id转换为从0开始的连续整数。然后用这个：

from lightfm.data import Dataset
# Create your train and test set in the format [[user_id1, item_id1, score1], ..., [user_idn, item_idn, scoren]] 
# Your score can be just 1 for an implicit interaction
# user_id and item_id are integers

data = Dataset()
data.fit(unique_user_ids, # list from 0 to n_users 
         unique_item_ids # list from 0 to n_items
        )
train, weights_matrix = data.build_interactions([tuple(i) for i in train])
test, weights_matrix = data.build_interactions([tuple(i) for i in test])