machine-learning - 如何在 Apache Mahout 中微调 ALWRS Factorizer 的输入参数？

Question

所以我一直在使用 Apache Mahout 来构建推荐系统。我对使用 SVD 矩阵分解方法感兴趣。

我想知道如何微调输入参数:ALSWRFactorizer(dataModel, no_of_hidden_​​features, lambda, 迭代)

我尝试在 0.05 - 0.065 之间改变 lamda 值，我的推荐分数先增加后减少。因此我选择0.05945作为分数达到峰值的值。

这是我可以用来估计 no_of_iterations 和hidden_​​features 的唯一方法吗？ (值先上升然后下降，我预计 no-of_features 在 20-30 之间)。

此外，这是正确的方法吗？

编辑:嗯，我又进行了一些测试，我似乎已经专注于使用 20 个隐藏特征，lambda = 0.0595，20 次迭代。

但是，如果有任何答案能够解释我如何以更好的方式做到这一点，我将不胜感激。

Answer 1

所以我发现了这篇论文: Application of Dimensionality Reduction in Recommender System

在第 4.3 节中，他们基本上遵循了我所做的相同步骤。在花了一两天时间浏览谷歌结果后，迭代实验似乎是微调这些参数的唯一答案。