問題タブ [matrix-factorization]

Keras を使用したレコメンデーション用の行列分解の単純なモデルを実装しています。モデルを実行すると、いくつかの奇妙な動作が見つかりました。

• ユーザーとアイテムの潜在的要因は、ゼロ ベクトルに向かう傾向があります。
• ゼロ以外の値 (値が 1) だけを当てはめようとしても、これらの潜在因子は 0 になります。さらに奇妙なことに、真の値 (常に 1) と予測値 (常に 1) の差であっても、トレーニングと検証の損失が減少します。ユーザーの潜在因子とアイテムの潜在因子の間の内積である）を増やす必要があります（これらの潜在因子がゼロになるため）。損失指標として「mse」を使用します。

何が起こったのかわかりません。誰かが以前にこの問題に遭遇したことがある場合は、解決策を共有していただければ幸いです。（コードがかなり面倒なので投稿できなくてすみません）。ありがとうございました。

ユーザーのクリック行動記録に基づくレコメンダー システム アルゴリズムとして行列分解を使用しています。2 つの行列因数分解法を試します。

最初のものは基本的な SVD であり、その予測はユーザー ファクター ベクトルuとアイテム ファクターiの積です: r = u * i

2 番目に使用したのは、バイアス コンポーネントを使用した SVD です。

r = u * i + b_u + b_i

ここで、b_uとb_iは、ユーザーとアイテムの好みの偏りを表します。

私が使用しているモデルの 1 つはパフォーマンスが非常に低く、もう 1 つは妥当です。なぜ後者のパフォーマンスが悪いのか、私にはよくわかりません。

オーバーフィッティングを検出する方法をグーグル検索したところ、学習曲線が良い方法であることがわかりました。ただし、x 軸はトレーニング セットのサイズで、y 軸は精度です。これは私をかなり混乱させます。トレーニング セットのサイズを変更するにはどうすればよいですか? データ セットからいくつかのレコードを選択しますか?

別の問題は、反復損失曲線をプロットしようとしたことです (損失は です)。そして、曲線は正常なようです：

しかし、私が使用する指標は適合率と再現率であるため、この方法が正しいかどうかはわかりません。反復精度曲線をプロットしましょうか??? または、これはすでに私のモデルが正しいことを示していますか?

私が正しい方向に進んでいるかどうか、誰か教えてください。どうもありがとう。:)