iT邦幫忙

2019 iT 邦幫忙鐵人賽

DAY 25
0
Everything on Azure

Azure Machine Learning Studio系列 第 25

Azure Machine Learning Studio 推薦模型 Train Matchbox Recommender

Azure Machine Learning Studio 中的 Train Matchbox Recommender 推薦模型可以針對客戶提供多個推薦項目,例如:書本推薦、電影推薦、音樂推薦、購物推薦...等等,以下範例實驗是對客戶推薦其有可能感興趣的餐廳

Train Matchbox Recommender 推薦模型

位置: Machine Learning / Train / Train Matchbox Recommender
https://ithelp.ithome.com.tw/upload/images/20181107/20111935gLgA4ESkuY.png

建立推薦模型實驗為各個客戶推薦不同餐廳

  1. 【Dataset】新增以下 3 個資料集:

  2. 【Restaurant Ratings】:客戶給餐廳的評分

  3. 【Restaurant Customer data】:客戶資料,Ex:是否吸菸、喝酒頻率、服裝、婚姻狀況…等資料

  4. 【Restaurant Feature data】:餐廳資料,Ex:餐廳位置、是否供應酒精飲料、吸菸區…等資料

    客戶給餐廳的評分
    https://ithelp.ithome.com.tw/upload/images/20181107/20111935guEh8Dqn0B.png

    客戶資料
    https://ithelp.ithome.com.tw/upload/images/20181107/2011193596dQZ1YPN2.png

    餐廳資料
    https://ithelp.ithome.com.tw/upload/images/20181107/201119357WsazU2vme.png

    https://ithelp.ithome.com.tw/upload/images/20181107/20111935sOxPetPZug.png

  5. 【Split Data】將資料集 1 的輸出接至 Split Data 的輸入,Splitting model 選擇 Recommender Split
    https://ithelp.ithome.com.tw/upload/images/20181107/20111935UpumVIunjt.png

  6. 【Train Matchbox Recommender】推薦模型,有以下 3 個輸入,分別將 3 個資料集接到對應的輸入

    • 輸入 1:Training dataset of user-item-rating triples 客戶、項目、評分三個一組的資料
      https://ithelp.ithome.com.tw/upload/images/20181107/20111935h88tBB8xwW.png
    • 輸入 2:Training dataset of user features 客戶資料
      https://ithelp.ithome.com.tw/upload/images/20181107/20111935isy77RJL7d.png
    • 輸入 3:Training dataset of item features 項目資料
      https://ithelp.ithome.com.tw/upload/images/20181107/20111935RRIJm0p36L.png

    https://ithelp.ithome.com.tw/upload/images/20181107/20111935q4JD2LKC0F.png

  7. 【Score Matchbox Recommender】驗證推薦模型,Recommender prediction kind 選擇 Item Recommendation,為客戶推薦餐聽
    https://ithelp.ithome.com.tw/upload/images/20181107/201119357jDx9WaeYF.png

    其中 Recommender prediction kind 推薦預型有以下 4 種:

    • Rating Prediction
    • Item Recommendation
    • Related Users
    • Related Items

    https://ithelp.ithome.com.tw/upload/images/20181107/20111935KuHcPDIRym.png

    Rating Prediction:預測客戶對每個餐廳的評分
    https://ithelp.ithome.com.tw/upload/images/20181107/20111935Tul2s9V4pR.png

    Item Recommendation:對客戶推薦前 X 名餐廳
    https://ithelp.ithome.com.tw/upload/images/20181107/20111935IipcAUVWtq.png

    Related Users:與客戶相關的前 X 名客戶
    https://ithelp.ithome.com.tw/upload/images/20181107/20111935Tk9VIOOHmt.png

    Related Items:與餐廳相關的前 X 名餐廳
    https://ithelp.ithome.com.tw/upload/images/20181107/20111935uHGGZwJHHS.png

  8. 【Evaluate Matchbox Recommender】評估推薦模型
    https://ithelp.ithome.com.tw/upload/images/20181107/20111935Zrjhdjahac.png

  9. 執行完成後,可以得到此推薦模型的準確性 NDCG(normalized discounted cumulative gain) 值 = 0.910748,NDCG 值是以測試集資料的評分來計算的,詳細計算方法可以參考:Evaluate Recommender
    https://ithelp.ithome.com.tw/upload/images/20181107/20111935PA8xF3wcVs.png


上一篇
Azure Machine Learning Studio 使用 Python - Execute Python Script
下一篇
Azure Machine Learning Studio 文字分析 Preprocess Text
系列文
Azure Machine Learning Studio30

尚未有邦友留言

立即登入留言