You signed in with another tab or window. Reload to refresh your session.You signed out in another tab or window. Reload to refresh your session.You switched accounts on another tab or window. Reload to refresh your session.Dismiss alert
Sendo 10 os critérios atualmente, esse vetor teria tamanho 12. O alvo seria a avaliação geral dada manualmente pelo usuário, para fins de aprendizado supervisionado. Ainda não sei quantas fases de treinamento, nem quantas iterações utilizar para cada fase.
Após o treinamento, salvar o modelo. Extrair métricas do treinamento também.
Uma vez que o AdaptiveLogisticRegression [1] esteja treinado com os dados informados pelos usuários, utilizar este modelo para inferir as notas de avaliações gerais, com base nos valores estimados para cada critério, a partir de algum método de recomendação.
Ainda é preciso escolher qual função de prioridade utilizar.
A L1 implementa uma função de prioridade Laplaciana (ou bi-exponencial).
A L2 implementa uma função de prioridade Gaussiana.
A ElasticBandPrior implementa uma mistura das duas acima.
Ainda há a TPrior, que implementa uma distribuição T como função de prioridade
Implementar uma função de agregação utilizando Regressão Logística para descobrir a avaliação geral a partir dos critérios de avaliação.
https://blog.trifork.com/2014/02/04/an-introduction-to-mahouts-logistic-regression-sgd-classifier/
http://skife.org/mahout/2013/02/14/first_steps_with_mahout.html
O vetor de entrada deveria conter:
Sendo 10 os critérios atualmente, esse vetor teria tamanho 12. O alvo seria a avaliação geral dada manualmente pelo usuário, para fins de aprendizado supervisionado. Ainda não sei quantas fases de treinamento, nem quantas iterações utilizar para cada fase.
Após o treinamento, salvar o modelo. Extrair métricas do treinamento também.
@RobertoBittencourt
The text was updated successfully, but these errors were encountered: