Sprawozdanie3_czemiel_halaburda

Zadanie 1
Dla podzbioru danych MovieLens zawierających 50 uŜytkowników i ich oceny dla 10 filmów:

•

podzielić dane na zbiór uczący (45) i testowy (5),

•

w zbiorze uczącym wyodrębnić grupy za pomocą algorytmu EM

•

oszacować wybrane oceny w zbiorze testowym (po jednej dla kaŜdego uŜytkownika):

dla kaŜdego uŜytkownika ze zbioru testowego:

•

na podstawie odległości euklidesowej przydzielamy grupę

•

pobieramy odpowiednią wartość średnią tej grupy i przydzielamy ją dla nieznanej oceny

Rozwiązanie

Otrzymane dane grup:
Number of clusters selected by cross validation: 2

f1
  mean        3.6318  1.9928
  std. dev.   0.9677  1.1139
f2
  mean        3.4999  3.5004
  std. dev.   0.2767  0.0147
f3
  mean             0       0
  std. dev.        0       0
f4
  mean             4       4
  std. dev.        0       0
f5
  mean        3.3333  3.3333
  std. dev.   0.1231  0.3381
f6
  mean           3.5  3.4999
  std. dev.   0.3084  0.2174
f7
  mean        4.0263  3.8235
  std. Dev.   0.4208  0.3829
f8
  mean             3       3
  std. dev.        0       0
f9
  mean             4       4
  std. dev.        0       0
f10
  mean        4.4289  4.4262
  std. dev.   0.2088  0.0318
Time taken to build model (full training data) : 0.52 seconds

Profil po zaokr

gleniu:

f1  mean    4  2
f2  mean    3  4
f3  mean    0  0
f4  mean    4  4
f5  mean    3  3
f6  mean    4  3
f7  mean    4  4
f8  mean    3  3
f9  mean    4  4
f10 mean    4  4

Zbiór testowy:
f1

f10

"?"

Kod funkcji liczącej odległość euklidesową i zwracająca bliŜszą ocenę:

function licz_ocene($i,$aOceny,$aProfile){

$iPodPierwiastkiem[0]=0;

$iPodPierwiastkiem[1]=0;

for($f=1;$f<count($aOceny);$f++){

if($f<>$i&&$aOceny[$f]<>"?"){

$iPodPierwiastkiem[0]+=pow(($aOceny[$f]-$aProfile[$f][0]),2);

$iPodPierwiastkiem[1]+=pow(($aOceny[$f]-$aProfile[$f][1]),2);

}

if(sqrt($iPodPierwiastkiem[0])<sqrt($iPodPierwiastkiem[1])){

return 0;

}return 1;

}

Tabela wyników wyliczona dla f1:

nr ocena rzeczywista ocena oszacowana