تقييم الموصى به
توضح هذه المقالة كيفية استخدام مكون "تقييم الموصي" في Azure التعلم الآلي مصمم. والهدف من ذلك هو قياس دقة التنبؤات التي قدمها نموذج التوصية. باستخدام هذا المكون، يمكنك تقييم أنواع مختلفة من التوصيات:
- التقييمات المتوقعة لمستخدم وعنصر
- العناصر الموصى بها للمستخدم
عند إنشاء تنبؤات باستخدام نموذج توصية، يتم إرجاع نتائج مختلفة قليلا لكل نوع من أنواع التنبؤات المعتمدة هذه. يستنتج مكون تقييم الموصي نوع التنبؤ من تنسيق العمود لمجموعة البيانات المسجلة. على سبيل المثال، قد تحتوي مجموعة البيانات المسجلة على:
- تصنيف المستخدم للعناصر ثلاث مرات
- المستخدمون والعناصر الموصى بها
يطبق المكون أيضا مقاييس الأداء المناسبة ، استنادا إلى نوع التنبؤ الذي يتم إجراؤه.
كيفية تكوين "تقييم الموصي"
يقارن مكون تقييم الموصي ناتج التنبؤ باستخدام نموذج توصية مع بيانات "الحقيقة الأرضية" المقابلة. على سبيل المثال، ينتج مكون Score SVD Recommendation مجموعات بيانات مسجلة يمكنك تحليلها باستخدام "تقييم الموصي".
المتطلبات
يتطلب تقييم الموصي مجموعات البيانات التالية كمدخلات.
اختبار مجموعة البيانات
تحتوي مجموعة بيانات الاختبار على بيانات "الحقيقة الأرضية" في شكل ثلاثة أضعاف تصنيف عنصر المستخدم.
مجموعة البيانات المسجلة
تحتوي مجموعة البيانات المسجلة على التنبؤات التي أنشأها نموذج التوصية.
تعتمد الأعمدة في مجموعة البيانات الثانية هذه على نوع التنبؤ الذي قمت به أثناء عملية تسجيل النقاط. على سبيل المثال، قد تحتوي مجموعة البيانات المسجلة على أي مما يلي:
- المستخدمون والعناصر والتقييمات التي من المحتمل أن يقدمها المستخدم للعنصر
- قائمة بالمستخدمين والعناصر الموصى بها لهم
المقاييس
يتم إنشاء مقاييس الأداء للنموذج بناء على نوع المدخلات. الأقسام التالية تعطي التفاصيل.
تقييم التقييمات المتوقعة
عند تقييم التقييمات المتوقعة، يجب أن تحتوي مجموعة البيانات المسجلة (الإدخال الثاني لتقييم الموصي) على ثلاثة أضعاف تقييم عناصر المستخدم التي تفي بهذه المتطلبات:
- يحتوي العمود الأول من مجموعة البيانات على معرفات المستخدمين.
- يحتوي العمود الثاني على معرفات العناصر.
- يحتوي العمود الثالث على تقييمات عنصر المستخدم المقابلة.
هام
لكي ينجح التقييم ، يجب أن تكون Userأسماء الأعمدة ، و Rating، Itemعلى التوالي.
تقييم يقارن الموصي التصنيفات في مجموعة بيانات "الحقيقة الأرضية" بالتقييمات المتوقعة لمجموعة البيانات المسجلة. ثم يحسب متوسط الخطأ المطلق (MAE) ومتوسط الجذر للخطأ التربيعي (RMSE).
تقييم توصيات العناصر
عند تقييم اقتراحات العناصر، استخدم مجموعة بيانات مسجلة تتضمن العناصر المقترحة لكل مستخدم:
- يجب أن يحتوي العمود الأول من مجموعة البيانات على معرف المستخدم.
- يجب أن تحتوي جميع الأعمدة اللاحقة على معرفات العناصر الموصى بها المقابلة، مرتبة حسب مدى ملاءمة العنصر للمستخدم.
قبل توصيل مجموعة البيانات هذه، نوصي بفرز مجموعة البيانات بحيث تأتي العناصر الأكثر صلة أولا.
هام
لكي يعمل "تقييم الموصي"، يجب أن تكون Userأسماء الأعمدة ، ، Item 2Item 1Item 3 وهكذا دواليك.
يقوم Assessment Recommendation بحساب متوسط الكسب التراكمي المخصوم العادي (NDCG) وإرجاعه في مجموعة بيانات المخرجات.
نظرا لأنه من المستحيل معرفة "الحقيقة الأساسية" الفعلية للعناصر الموصى بها، يستخدم "تقييم الموصي" تصنيفات عناصر المستخدم في مجموعة بيانات الاختبار كمكاسب في حساب NDCG. للتقييم، يجب أن ينتج مكون تسجيل نقاط الموصي فقط توصيات للعناصر ذات تصنيفات "الحقيقة الأرضية" (في مجموعة بيانات الاختبار).
الخطوات التالية
راجع مجموعة المكونات المتوفرة ل Azure التعلم الآلي.