Использование сходства косинуса с двоичными данными - Mahout

Question

У меня есть логический/двоичный код, где идентификатор клиента и продукта обнаружен, когда клиент действительно купил продукт и не найден, если клиент его не купил. Набор данные представлены следующим образом:

Dataset

Я пробовал различные подходы, как GenericBooleanPrefUserBasedRecommender с TanimotoCoefficient или LogLikelihood сходством, но я также попытался GenericUserBasedRecommender с Uncentered косинус подобием, и это дало мне самую высокую точность и отзывает 100% и 60% соответственно.

Я не уверен, имеет ли смысл использовать Uncentered Cosine сходство в этой ситуации, или это неправильная логика? и что делает Uncentered Cosine Similairty с таким набором данных.

Любые идеи были бы очень оценены.

спасибо.

Answer 1

100% точность невозможна, поэтому что-то не так. Все показатели сходства отлично работают с булевыми данными. Помните, что пространство имеет очень большую размерность.

Ваши данные образца имеют только два элемента (идентификаторы BTW должны быть основаны на старой версии Maho). Таким образом, набор данных, как показано, не даст достоверных результатов.

Я сделал это с большими наборами данных E-Com и значительно исказил вероятность входа в систему - выполняет другие показатели для булевых данных.

BTW Mahout перешел на Spark от Hadoop, и наш единственный показатель - LLR. Полный Универсальный Recommender с магазином событий и сервером прогнозирования на основе Mahout-Сансары реализуется здесь: http://templates.prediction.io/PredictionIO/template-scala-parallel-universal-recommendation Слайды с описанием его здесь: http://www.slideshare.net/pferrel/unified-recommender-39986309