
275
C.5 Spark のチューニング
No.
ー ーー ム
(MB)
4 77,865,758 7,694,202 1,097,982 0.999991 1,113
5 97,967,251 8,797,225 1,334,746 0.999992 1,400
6 116,938,309 9,734,990 1,563,344 0.999992 1,677
7 134,976,806 10,489,833 1,830,912 0.999993 1,943
レコメンド精度は、入手済みのユーザーの嗜好情報を学習データと評価データに分割して、オフ
ライン評価を行います。評価指標には
F
尺度(
f-measure
)とユーザーのカバレッジ(
Coverage
)
を用います。
F
尺度とは、適合率(
precision
:予測値の何割が正解したか)と再現率(
recall
:正
解を何割予測できていたか)に基づいて決まる指標です。またユーザーのカバレッジとは、評価
データに存在するユーザーの何割にレコメンドできていたかを表す指標です。それぞれの計算方法
を
C-3
にまとめます。
C-3
Recommend
レコメンドされたユーザー×アイテム
Order
実際に購買のあったユーザー×アイテム
Match
レコメンドされた中で、実際に購買のあったユーザー×アイテム
Order-User
実際に購買のあったユーザー
Match-User
レコメンドされた中で実際に購買のあったユーザー
C.5