AO
подскажите пжл годный курс/тренажер по аб тестам. можно на англ
Size: a a a
2021 July 09
VP
Подскажите пожалуйста, есть таблица:id заказа, id продукта, номер продукта в заказе. В одном заказе могут быть и разные, и олиноковые продукты. хНужно определить какие продукты с какими покупают чтобы потом рекомендовать. Думал составить таблицу продукт id на продукт id, где значение на пересечении будет количество раз сколько пара встретилась во всех заказах. Но цыклом слишком долго, большая сложность. Пробовал pivot_table, выдало ошибку изза размеров. Может есть более эффективный метод? Или я не правильно понимаю финальный результат?
O
Размер таблицы какой?
VP
100 000 уникальных product_id
O
А всего записей?
VP
300 тис
I
Ну такой объем данных сразу поднять в память и циклом разметить - быстро будет-же... Дольше из бд читать будет чем таблицу связей в памяти считать
I
Если выкинуть все кроме ид там пару тройку метров всего получается (как мне кажется).
VP
Дропнул заказы с количеством продуктов менее 2. Осталось 36 тысяч записей. Но подход с результирующей таблицей норм? Или лучше другой способ?
МС
Помню была какая-то программулина на джаве, которая позволяла по подобного рода таблицам изучать правила и составлять что-то вроде частотных правил. Попробуйте погуглить, может найдется что
МС
Вообще то, что вы описываете, насколько понимаю, похоже на коллаборативную фильтрацию
Попробуйте составить таблицу вида айди закупки - флаг покупки продукта, потом по методу к-ближайших соседей искать похожих и рекомендовать разницу в покупках. Это своего рода классика.
Попробуйте составить таблицу вида айди закупки - флаг покупки продукта, потом по методу к-ближайших соседей искать похожих и рекомендовать разницу в покупках. Это своего рода классика.
МС
З.Ы. Не являюсь и никогда не был экспертом в этой теме, просто мысли на этот счет
VP
Спасибо!
I
I
AO
О спс
AO
Посмотрю
DK
Привет!
Может кто-то помочь с парой вопросов по отчетному заданию "Линейная регрессия и стохастический градиентный спуск", C2:W1?
Может кто-то помочь с парой вопросов по отчетному заданию "Линейная регрессия и стохастический градиентный спуск", C2:W1?
A
Так пиши вопросы сразу сюда
DK
Ок, просто думал что будет не совсем красиво сразу в чат спамить вопросами - да и куски кода кидать, только чат захламлять
Вопрос такой:
Для п.2 задание: Какие продажи предсказываются линейной моделью с весами, найденными с помощью нормального уравнения, в случае средних инвестиций в рекламу по ТВ, радио и в газетах? (то есть при нулевых значениях масштабированных признаков TV, Radio и Newspaper).
Получаем веса, умножаем на массив - все просто
def normal_equation(X, y):
return np.linalg.pinv(X).dot(y)
norm_eq_weights = normal_equation(X, y)
// массив с нулевыми весами
np.array([0, 0, 0, 1]).dot(norm_eq_weights)
Вопрос такой:
Для п.2 задание: Какие продажи предсказываются линейной моделью с весами, найденными с помощью нормального уравнения, в случае средних инвестиций в рекламу по ТВ, радио и в газетах? (то есть при нулевых значениях масштабированных признаков TV, Radio и Newspaper).
Получаем веса, умножаем на массив - все просто
def normal_equation(X, y):
return np.linalg.pinv(X).dot(y)
norm_eq_weights = normal_equation(X, y)
// массив с нулевыми весами
np.array([0, 0, 0, 1]).dot(norm_eq_weights)