ارزیابی سیستم توصیه گر با روش های AUC-ROC و MAE و MAPE
دو سال پیش منتشر شده
تعداد بازدید: 217
کد پروژه: 381749
شرح پروژه
پروژه شامل یک سیستم توصیه گر می باشد که از خروجی آن می خواهیم معیار های ارزیابی بگیریم.
حدود 10 تا ماتریس ویژگی داریم که از طریق متن کاوی به دست آمده اند .با استفاده از فرمولی که عنوان می شود به یک امتیاز برای هر آیتم ختم می شود.یک متغیر ثابت Threshold داریم که مبنای محاسبات و دریافت خروجی از سیستم و ارزیابی ها است.روش محاسبه سیستم توصیه مبتنی بر محتوا و شباهت کسینوسی می باشد.
در ارزیابی صورت گرفته با معیار f1score در نمونه گیری ها به دقت 0.99989 رسیده ایم .می خواهیم با استفاده از سایر روش های ارزیابی این دقت و کیفیت خروجی را واقعی تر کنیم.روش های AUC-ROC و MAE و MAPE هر کدام از نظرتان می تواند خروجی معقولانه تری ارائه نماید به تشخیص خودتان بررسی می شود.
داده ها Unbalance هستند . با کاهش ابعاد و حجم داده ها و بالانس شدن باز دوباره این مقدار را در خروجی مشاهده می کنیم.قصد بر این است این عدد تعدیل شود به حوالی 0.7-0.9 برسد یا از طریق روش های دیگر این سطح از دقت و کیفیت را تایید نماییم.
در ضمیمه 3 تا نمونه فایل قرار دادم تا با ماتریس ها بهتر ارتباط گرفته شود.کد آماده است و نیازی به کد زنی اضافه نیست . صرفا می بایست بخش ارزیابی را انجام دهید.
در صورت شروع به انجام کار داکیومنت توضیحات کامل کد برایتان ارسال خواهد شد تا خط به خط متوجه کد ها شوید.
داده های اصلی از طریق متن کاوی دو فایل شامل 100 هزار رکورد در یک فایل و حدود 30 هزار رکورد در یک فایل دیگر تشکیل می شوند و در google colab حدود 5-6 ساعت زمان برای اجرا نیاز دارد.
می توان برای تست پروژه ، داده ها را به 5000 هزار رکورد کاهش داد تا تست کد زنی سریع تر انجام شود.(زمان اجرای کامل حدود نیم ساعت می شود)
چون زمان مهم می باشد . خواهشا دوستانی که صرفا با داده های movielens کار کرده اند و به دنبال تجربه هستند درخواست ندهند .
این پروژه شامل 3 فایل مهم است، لطفا قبل از ارسال پیشنهاد حتما نسبت به بررسی این فایل اقدام فرمایید.
مهارت ها و تخصص های مورد نیاز
مهلت برای انجام
7روز
وضعیت مناقصه
بسته
درباره کارفرما
عضویت دو سال پیش
