Прогнозирование следующего действия пользователя на основе текущего дня и времени

Я использую Студию машинного обучения Microsoft Azure, чтобы попробовать эксперимент, в котором я использую предыдущую аналитику, полученную о пользователе (в определенное время, в день), чтобы попытаться предсказать его следующее действие (на основе дня и времени), чтобы я мог настроить пользовательский интерфейс соответственно. Итак, если пользователь обычно посещает определенную страницу каждый четверг в 13:00, то я хотел бы предсказать такое поведение.

Предупреждение. Я новичок в машинном обучении, но просмотрел довольно много видео и поработал с учебными пособиями, такими как пример с рекомендациями по фильмам.

У меня есть набор данных csv с идентификатором пользователя, действием, датой и временем, и я хотел бы обучить модель рекомендации спичечного коробка, которая, по моему исследованию, кажется лучшей моделью для использования. Я не вижу способа использовать дату/время в обучении. Идея заключалась в том, что если бы я мог передать идентификатор пользователя и дату, то модель рекомендаций могла бы дать мне вероятный результат того, что этот пользователь, скорее всего, сделает.

Я получаю результаты от конечной точки прогнозирования, но конечная точка обучения выдает следующую ошибку:

{
    "error": {
        "code": "ModuleExecutionError",
        "message": "Module execution encountered an error.",
        "details": [
            {
                "code": "18",
                "target": "Train Matchbox Recommender",
                "message": "Error 0018: Training dataset of user-item-rating triples contains invalid data."
            }
        ]
    }
}

Вот ссылка на общедоступную версию эксперимента

Любая помощь будет оценена по достоинству.

Спасибо.

введите описание изображения здесь


azure machine-learning analytics azure-machine-learning-studio
person BigBadOwl    schedule 19.03.2018    source источник
comment
Можно ли показать, как выглядит ваш рабочий процесс в ML Studio? Моя первоначальная мысль заключалась в том, как функции встраиваются в модель, но я не могу быть уверен. :)   -  person Jon    schedule 19.03.2018
comment
Конечно, но это мало ценно, так как это далеко не функционально.   -  person BigBadOwl    schedule 19.03.2018
comment
Я бы рекомендовал разделить ваши данные тоже. Это должно помочь при оценке производительности вашей модели.   -  person Jon    schedule 19.03.2018

Ответы (2)


arrow_upward
2
arrow_downward

Возможно, этот ответ может быть полезно, вы также можете посмотреть здесь вы можете прочитать:

Проблема скорее всего в разбросе рейтинговых данных. Существует верхний предел диапазона рейтинга, потому что обучение становится дорогим, если диапазон между наименьшим и наибольшим рейтингом слишком велик.

[...]

Одним из вариантов может быть масштабирование оценок до более узкого диапазона.

В соответствии с этим MSDN обратите внимание, что разрыв между минимальной и максимальной заметкой не может превышать 100.

Таким образом, вам необходимо выполнить предварительную обработку данных столбца файла csv (идентификатор пользователя, действие, дата и время и т. д.), чтобы сохранить все данные столбца в диапазоне [0-99].

См. ниже реализацию Python (чтобы поделиться логикой):

#!/usr/bin/env python
# -*- coding: UTF-8 -*- 

big_gap_arr = [-250,-2350,850,-120,-1235,3212,1,5,65,48,265,1204,65,23,45,895,5000,3,325,3244,5482] #data with big gap

abs_min =  abs(min(big_gap_arr)) #get the absolute minimal value
max_diff= ( max(big_gap_arr) + abs_min ) #get the maximal diff

specific_range_arr=[]
for each_value in big_gap_arr:
    new_value = ( 99/1. * float( abs_min + each_value) / max_diff ) #get a corresponding value in the [0,99] range
    specific_range_arr.append(new_value)

print specific_range_arr #post computed data => all in range [0,99]

Что дает вам:

[26.54494382022472, 0.0, 40.449438202247194, 28.18820224719101, 14.094101123595506, 70.3061797752809, 29.71769662921348, 29.76825842696629, 30.526685393258425, 30.31179775280899, 33.05477528089887, 44.924157303370784, 30.526685393258425, 29.995786516853933, 30.27387640449438, 41.01825842696629, 92.90730337078652, 29.742977528089888, 33.813202247191015, 70.71067415730337, 99.0]

Обратите внимание, что все данные теперь находятся в диапазоне [0,99].

После этого процесса:

  • Идентификатор пользователя может быть числом с плавающей запятой

  • Действие — это целое число (если вы получили менее 100 действий) или число с плавающей запятой (если более 100 действий)

  • Дата и время будут разделены на два целых числа (или одно целое и одно с плавающей запятой), см. ниже:

Относительно:

(A) способ использования даты/времени в обучении

Вы можете разделить дату и время на два столбца, например:

  • один столбец для дня недели:

    • 0: Sunday
    • 1: понедельник
    • 2: вторник
    • [...]
    • 6: суббота

  • один столбец для времени дня:

    • 0: Between 00:00 & 00:15
    • 1: с 00:15 до 00:30
    • 2: с 00:30 до 00:40
    • [...]
    • 95 : с 23:45 до 00:00.

Если вам нужна более высокая степень детализации (здесь это 15-минутное окно), вы также можете использовать число с плавающей запятой для столбца времени.

person A STEFANI    schedule 22.03.2018

arrow_upward
1
arrow_downward

Так что, повозившись с этим какое-то время, я думаю, что могу понять, в чем может заключаться проблема. Я считаю, что для точного прогноза необходимо заполнить первые три поля рекомендателя Train Matchbox. Я также включу скриншоты примера для рекомендации ресторанов.

Первым входом будет набор данных, состоящий из пользователя, элемента и рейтинга. Рейтинговые данные

Вторым входом будут характеристики каждого пользователя. Данные пользователя

И третьим входом будут особенности каждой функции (ресторан в данном случае). Данные ресторана

Поэтому, чтобы помочь с проблемой даты/времени, мне интересно, нужно ли будет обрабатывать данные, чтобы они соответствовали чему-то похожему на данные ресторана и пользователя.

Я знаю, что это немного, но я надеюсь, что это поможет вам пойти по правильному пути.

person Jon    schedule 21.03.2018