知识卡片
近邻解释应对应真实推荐证据
可以说明候选P与已安装X/Y/Z相似,从而解释为什么得到高评分。解释应展示实际参与评分的邻居及其关系,不能把依赖共装或偶然相关写成偏好因果。可解释性有助排错与选择,但仍需要保留数据或真实反馈评估推荐是否有用。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第10章 kNN:推荐系统 R语言程序包安装数据 · 连续片段2 · 查看原书依据
之所以推荐程序包P给用户,是因为他已经安装了程序包X、Y和Z。这种可解释性在有些应用场景中是非常有用的。 我们仅仅使用相似性度量就构建了一个推荐系统。在第11章中,我们将深入地利用社交网络的信息来构建一个推荐引擎。
参考来源
- 位置:《机器学习:实用案例解析》第10章《R语言程序包安装数据 · 连续片段2》(来源项目book-sources;源文件:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part3118.html,spine3224)
- 结论依据:原文的案例步骤与解释支持所述机制;R包、外部API与数据接口限定于本书出版时环境,不作为当前兼容性承诺。
- 原始内容:之所以推荐程序包P给用户,是因为他已经安装了程序包X、Y和Z。这种可解释性在有些应用场景中是非常有用的。 我们仅仅使用相似性度量就构建了一个推荐系统。在第11章中,我们将深入地利用社交网络的信息来构建一个推荐引擎。