[英]How to validate Test set on trained SVD model?
我下面就矩陣分解本教程中使用奇異值分解在Python電影推薦(SVD): 這里
使用SVD ,使用SVD將數據集近似為三個分量:
M ≈ U ⋅ S ⋅ Vt
現在,我想在此矩陣上使用訓練/測試驗證集,因為您需要找到M的最佳k(數字)近似值。
如何將一個單獨的測試集應用到經過訓練的模型上,以獲得對看不見的測試集的預測? 這是什么數學/算法 ? 謝謝
擬合任何機器學習模型的標准過程如下:
因此,在您的情況下,您應該執行以下步驟:
train_test_split
k
值運行SVD,並在驗證集上評估這些近似值的性能,然后選擇具有最低RMSE值的k
(如本教程所述) 如果您的數據集較小,而不是拆分為3個數據集,則可以拆分以進行訓練和測試,並使用交叉驗證對k
進行微調。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.