知识卡片

操作参考卡 · 9639.g · 生成模型:DeepSeek-V4.1-Flash

稀疏矩阵上的协同过滤

理解等级:中级

推荐需要“用户×APP”评分矩阵,元素取 30 天内有效日均时长,没用过则为缺失。全量 APP 有几万款且长尾极重,只保留 app_class.csv 中用户数超过 10 的常用 APP,得 48 139 人、2 542 款;每人最多用几十款,非零元素只占约 2%,稠密存储要上亿个数,必须用稀疏结构(R 的 sparseMatrix() 以行、列、值三列构造)再转成评分矩阵。各类 APP 强度不同、评分需可比,要按列标准化(IBCF 内部默认会做)。建模用 Recommender(method=“UBCF”, pearson, nn=30),即皮尔森相似度取前 30 个邻居,predict 按 TopN 输出;评价用 evaluationScheme 切 90%/10%,并要求每人至少 10 个评分。IBCF 在本规模下要跑约一小时,工业界多在经典算法上自行实现并并行化。

这张卡片看不懂?

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 大数据案例分析 · 查看原书依据

      最终保留的用户总数为48 139人,APP 数量为2 542个。一个人使用的 APP 数量最多只有几十种,因此评分矩阵必然是一个稀疏的矩阵。如果不采用稀疏存储方法,那么需要存储的数字将达到上亿级别,而实际不为0的数字只占总元素个数约2%

    参考来源

    - 位置:《大数据挖掘与统计机器学习》第10章 大数据案例分析(源文件:extracted/大数据挖掘与统计机器学习/_epub-src/OEBPS/Text/chapter12_0001.xhtml,10.1.2 推荐系统) - 结论依据:原文说明只保留常用且用户数超过 10 的 APP、最终 48 139 人与 2 542 款、非零约占 2%,需用 sparseMatrix 稀疏存储并用 recommenderlab 的 Recommender 与 evaluationScheme。 - 原始内容:最终保留的用户总数为48 139人,APP 数量为2 542个。一个人使用的 APP 数量最多只有几十种,因此评分矩阵必然是一个稀疏的矩阵。如果不采用稀疏存储方法,那么需要存储的数字将达到上亿级别,而实际不为0的数字只占总元素个数约2%