La guida alle metriche dei raccomandatori

La guida alle metriche dei raccomandatori tutto ciò che devi sapere

Valutare un sistema di raccomandazioni offline può essere complicato

Foto di Darius Cotoi su Unsplash

Pensa alla pagina principale di YouTube, che mostra video che potrebbero piacerti, oppure ad Amazon che ti suggerisce di acquistare altri prodotti che vendono. Questi sono esempi di sistemi di raccomandazione che cercano di mostrarti le cose con cui probabilmente desideri interagire.

Supponiamo di avere costruito un sistema di raccomandazione con un metodo a tua scelta. La domanda è: come lo valuti offline, prima di metterlo in produzione e farlo fornire raccomandazioni su un sito web?

In questo articolo, imparerai proprio questo! Inoltre, ti dirò perché devi fare attenzione a queste metriche.

Per una introduzione più approfondita, consulta il mio altro articolo che ti mostra anche come costruire un sistema di raccomandazione da zero utilizzando TensorFlow.

Introduzione ai Sistemi di Raccomandazione basati su Embedding

Impara a costruire un semplice sistema di raccomandazione tramite matrice di fattorizzazione in TensorFlow

towardsdatascience.com

Valutazione Offline di un Sistema di Raccomandazione

Troviamo innanzitutto una definizione per un sistema di raccomandazione che include la maggior parte dei sistemi che potresti progettare o trovare.

Per noi, un sistema di raccomandazione è un algoritmo che prende almeno un utente in input e restituisce una lista ordinata di elementi da raccomandare a questo utente.

Immagine dell'autore.

Perché almeno un utente? Potrebbero essere presenti ulteriori input come il periodo dell’anno che possono aiutare il modello a imparare a non raccomandare Santa Claus di cioccolato in estate.

Come esempio, un raccomandatore di frutta R che abbiamo costruito può fare cose come R(Alice) = [mela, arancia, ciliegia].

Nota: L’utente potrebbe essere qualcos’altro, magari anche un altro articolo. Questo potrebbe essere rilevante se si desidera costruire un sistema di raccomandazione per alternative quando qualche articolo nel negozio è esaurito. Quindi, il tuo raccomandatore prende un articolo come…