java最好的推荐引擎,生成推荐引擎的测试集

这使用ALS(交替最小二乘)来计算用户和项目向量 . 因为，我的数据集不能按时间划分 . 我随机从用户那里获取'x'个评级并将它们放入测试集中 . 这是我的训练用户项矩阵的可重现示例 .

col1 col2 col3 col4 col5 col6 col7 col8 col9 col10 col1 col12 col13

+---------------------------------------------------------------------------------------------------+

| 1 0 0 3 10 0 0 3 0 0 1 0 0 | |

| 0 0 0 5 0 0 1 8 0 0 1 0 0 | |

| 0 0 0 6 7 1 0 2 0 0 1 0 0 | |

+---------------------------------------------------------------------------------------------------+

I then create a test set using this piece of code

test_ratings = np.random.choice(counts[user,:].nonzero()[0],size=1,replace=True)

train[user,test_ratings] = 0

test[user,test_ratings] = counts[user,test_ratings]

assert(np.all((train * test) == 0))

这给了我：

col1 col2 col3 col4 col5 col6 col7 col8 col9 col10 col1 col12 col13

+---------------------------------------------------------------------------------------------------+

| 0 0 0 0 0 0 0 3 0 0 0 0 0 | |

| 0 0 0 0 0 0 1 0 0 0 0 0 0 | |

| 0 0 0 6 0 0 0 0 0 0 0 0 0 | |

+---------------------------------------------------------------------------------------------------+

行是用户，列是项 .

现在，我想知道这是否是我的测试集的正确表示 . 我已经获得了一个非零值并使一切都为零 . 因此，我的算法应该将非零值排名为推荐项 .

这是正确的做事方式吗？

任何帮助将非常感激