为推荐引擎生成测试集

我正在研究基于隐式反馈的推荐引擎。我正在使用这个链接：http://insightdatascience.com/blog/explicit_matrix_factorization.html#movielens http://insightdatascience.com/blog/explicit_matrix_factorization.html#movielens

这使用 ALS（交替最小二乘法）来计算用户和项目向量。因为，我的数据集无法按时间分区。我随机从用户那里获取“x”个评分并将其放入测试集中。这是我的训练用户项目矩阵的可重现示例。

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 |                                                                                   |
+---------------------------------------------------------------------------------------------------+

  

这里的行是用户，列是项目。

现在，我想知道这是否是我的测试集的正确表示。我选取了一个非零值并使所有值都为零。因此，我的算法应该将非零值排名为推荐项目。

这是正确的处理方式吗？

任何帮助将非常感激

Updated:

是的，您应该使用一些原始计数创建一个测试集，并查看您的系统是否将这些用户项识别为良好匹配。

您应该注意以下几点：

• 仅对您拥有的项目或用户添加测试集值 更多数据；
• 从训练数据中隐藏这些测试集值；
• 仅在您有数据的用户-项目对上训练您的模型，而不是在 0 上 - 这样做的原因是因为假设您的 0 代表您没有数据的对，而不是真实的评分；

Note:这张纸，隐式反馈数据集的协同过滤 http://yifanhu.net/PUB/cf.pdf，应该可以帮助您解决这些问题和其他问题。