Я пытаюсь выполнить 10-кратную перекрестную проверку в рекомендательной системе на основе контента. Набор данных состоит из идентификатора пользователя, идентификатора фильма и рейтинга, а также набора атрибутов идентификатора фильма и идентификатора атрибута, по одному для каждого жанра. Моя проблема, как показано ниже, связана с процессом обучения оператора. Я получаю сообщение об ошибке «Ожидаемая модель, но получен RatingPredictor». Какой-нибудь совет, как это исправить, или как это сделать в Rapidminer?
Перекрестная проверка для рекомендательной системы
Ответы (1)
Это из расширения Recommender System, которое по умолчанию не установлено вместе с базовым продуктом, поэтому я его не пробовал.
Похоже, что оператор Apply Model
требует дополнительных входных данных, а также похоже, что оператор Item Attribute...
производит что-то, что не совместимо с тем, что ожидает RapidMiner в контексте X-Validation
.
Мое предложение состоит в том, чтобы соединить выход Mod
с первым выходом thr
на обучающей стороне X-Validation
. Затем первый thr
на стороне тестирования должен быть подключен к входу Mod
оператора Apply
. Похоже, операторам нужно подключить дополнительные входы и выходы. Это можно сделать с помощью дополнительных thr
портов, которые появятся после использования первого.
Одной из проблем будет отсутствие действительного mod
(обратите внимание на нижний регистр). Мое предложение состоит в том, чтобы использовать любой другой оператор, который создает действительную модель на стороне обучения, ухитриться передать ему некоторые данные и, возможно, ухитриться использовать их на тестовой стороне с фиктивным традиционным оператором Apply Model
.
Я не пробовал это, поэтому я не могу знать, будет ли это работать.