Ayuda con Factorization Machines para generación de listas de recomendación

[jalonsoluc]

Hola! Cómo están?

Junto a mi compañero, nos está costando mucho poder usar la técnica de Factorization Machines para la generación de las listas de recomendación.

Recurrimos a la librería fastFM, la cual tuvimos que modificar (ya que usaba métodos deprecados de scikit-learn). Esta cuenta con el método FMRecommender(), que pertenece al módulo de ranking de la librería. Pudimos, con la ayuda del práctico, entrenar el modelo. Dicho esto, nos está costando mucho preparar los datos en el formato necesario para poder generar las listas de recomendaciones. En el práctico que mencioné recién, no hay ninguna alusión al método FMRecommender(), solo a FMRegression().

Les agradeceríamos mucho si nos guían en como podemos proceder para generar las listas de recomendación.

Gracias!

[Daniel-SebastianGaete]

Hola,

Para generar las recomendaciones basta con FMRegression dado que puedes generar las predicciones y recomendar. Alternativamente, puedes usar lightFM con el mismo propósito.

[raibd]

Hola,

Para generar las recomendaciones basta con FMRegression dado que puedes generar las predicciones y recomendar. Alternativamente, puedes usar lightFM con el mismo propósito.

Pero cómo se hace para usar el set de validación? ya que al transformar el set de entrenamiento que se entrega al formato de FM queda con distintas dimensiones que si se transforma el set de validación, y entonces al predecir desde el set de validación tira un error de dimensiones.

[Daniel-SebastianGaete]

Una alternativa que te puede servir es juntar los sets de entrenamiento y validación para pasarlos al formato correcto y luego hacer la separación con train_test_split de forma tal que los vuelva a separar en ambos conjuntos de datos. Recuerda que el set de validación se usa para ajuste de hiperparámetros, por lo que deberás entrenar el modelo desde cero cuando lo quieras usar para test.