Pull to refresh

Comments 10

Я был бы очень благодарен, если бы кто-нибудь накинул 3 очка кармы: хочу перенести статьи в публичный блог.
Всем спасибо.

bobermaniac, взаимно )
Подкинул, спасибо за статью, оставлю как инструкцию для будущий поколений.
Вы сравниваете эффективность одной системы с другой. Как измерялась эффективность систем и качество рекомендаций? Чем, как и в чём?
Есть ли где-то доступная численная статистика/сравнение эффективности известных РС и алгоритмов?
Меня смущаю слова лучше/хуже не подтвержденные фактами.
PS: мог проглядеть критерии эффективности здесь или в предыдущих постах. Направьте, пожалуйста :)
Лично я руководствуюсь двумя параметрами: процент объектов, которые меня действительно заинтересовали, из всех рекомендованных и количество объектов, которые меня заинтересовали, но которые система мне не порекомендовала.

Второй метод оценки эффективности заключается в том, чтобы анализировать все рекомендации, на которые пользователь откликнулся, и смотреть, какая система их всех оказала наибольшее влияние на ее составление. Этот метод описан здесь www.tmrfindia.org/ijcsa/V3I33.pdf

Более описана оценка точности СР на примере рекомендаций ресторанов здесь www.ics.uci.edu/~pazzani/Publications/AIREVIEW.pdf Там также описана динамика изменения точности при комбинировании разных СР.
Ок, спасибо! Беру на заметку.
Честно говоря, излишне теоретизировано.
лучше почитать алгоритмы из netflixprize.com, там хотя бы они жизненные.
Приведёшь некоторые хорошие документы? Я нашел некоторые pdf-статьи от победителей, но пока ничего понятного =)
Сейчас как раз читаю «Programming Collective Intelligence» от O'reilly, 2007. Если кого-то интересует данная тема, то в книге рассмотрено множество подходов и алгоритмов решения, в том числе, и этой задачи. С книгой можно ознакомиться в Google Books. По-моему, достойное чтиво для любого, заинтересованного в machine learning.
Sign up to leave a comment.

Articles