安装 ¶
康达 安装 - c（c） 马西耶库拉 - c（c） 喷灯 聚光灯
用法 ¶
因子分解模型 ¶
从 聚光灯.交叉验证 进口 随机训练测试拆分
从 聚光灯.datasets.movielens 进口 获取移动数据集
从 聚光灯.评估 进口 rmse核心
从 spotlight.因子分解.显式 进口 显式因子分解模型
数据集 = 获取移动数据集 ( 变体 = “10万” )
火车 , 测试 = 随机训练测试拆分 ( 数据集 )
模型 = 显式因子分解模型 ( n比特 = 1 )
模型 . 适合 ( 火车 )
rmse公司 = rmse核心 ( 模型 , 测试 )
从 聚光灯.交叉验证 进口 随机训练测试拆分
从 聚光灯.datasets.movielens 进口 获取移动数据集
从 聚光灯.评估 进口 mrr评分
从 聚光灯.分解.implicit 进口 隐式因子分解模型
数据集 = 获取移动数据集 ( 变体 = “10万” )
火车 , 测试 = 随机训练测试拆分 ( 数据集 )
模型 = 隐式因子分解模型 ( n比特 = 三 ,
损失 = “业务流程重组” )
模型 . 适合 ( 火车 )
核磁共振 = mrr评分 ( 模型 , 测试 )
顺序模型 ¶
从 聚光灯.交叉验证 进口 基于用户的列车测试拆分
从 聚光灯.数据集.合成 进口 生成_顺序
从 聚光灯.评估 进口 序列mr核心
从 聚光灯.序列.暗示 进口 隐式序列模型
数据集 = 生成_顺序 ( num_users（用户数） = 100 ,
num_items（项数） = 1000 ,
交互次数 = 10000 ,
浓度_参数 = 0.01 ,
秩序 = 三 )
火车 , 测试 = 基于用户的列车测试拆分 ( 数据集 )
火车 = 火车 . 到序列（_S） ()
测试 = 测试 . 到序列（_S） ()
模型 = 隐式序列模型 ( n比特 = 三 ,
表示 = “cnn” ,
损失 = “业务流程重组” )
模型 . 适合 ( 火车 )
核磁共振 = 序列mr核心 ( 模型 , 测试 )
数据集集合 ¶
从 聚光灯.数据集.合成 进口 生成_顺序
#浓度参数控制链的可预测性；
#顺序决定马尔可夫链的顺序。
数据集 = 生成_顺序 ( num_users（用户数） = 100 ,
num_items（项数） = 1000 ,
交互次数 = 10000 ,
浓度_参数 = 0.01 ,
秩序 = 三 )
如何引用 ¶
@杂项 { kula2017聚光灯 ,
标题 = { 聚光灯 },
作者 = { 库拉 , 马西耶 },
年 = { 2017 },
出版商 = { github },
如何发布 = { \ 网址 { https（https） : // github . 通用域名格式 / 马西耶库拉 / 聚光灯 }},
}