lfm模型训练完成后代价的问题

Question

老师在lfm中实现的是 排序推荐强度完成topk推荐 我的需求是 预测评分 所以我在train_data中的lebel（0/1）替换为了电影本身的评分（0-5）进行训练 按理说训练完成的item_vec和user_vec的向量点积结果是近似于电影评分的。
我使用了50次迭代 记录了每次迭代的cost cost计算为train_data中出现的 |每个用户对每个物品评分-预测评分| 的和 记录结果如下 train_data中总共1w多条预测 但产生了3w多的误差 好像优化过程不是很理想 怎么改进呢

Answer 1

David 2019-04-29 12:10:36

首先确定一下model 是否收敛 就是看一下咱们打印出来的loss 函数是否不再变化。

• 提问者 Whplash #1

  是收敛的

• 提问者 Whplash #2

  图中还有十行没截出来 不过趋势也能看出来