Sistemas de
recomendação em Ruby
Daniel Lopes
Agenda
- Tipos de Sistemas
- Gems Ruby
- Performance
- Métricas
- Referências
Tipos de recomendação
- Content-based filtering (Baseadas em
conteúdo dos itens)
- Collaborative filtering (Baseadas em
us...
Content-based filtering
Baseado em conteúdos dos itens, verifica a
semelhança .
Algoritmos mais comuns são: tf-idf (term
f...
Collaborative filtering
Baseado nos usuários, verifica a semelhança
entre eles e procura a similaridade entre eles.
Algori...
Ferramentas em Ruby
Como o ruby tem menos tradição científica,
como python, há menos gems :(
SciRuby (http://sciruby.com/)...
Performance do dataset/algoritmo
- MSE (root mean square) Calcula o valor
eficaz de uma função variável continua ou
uma sé...
Métrica
- Presição: Mede o acerto das
recomendações. precisao=tp/(tp+fp)
- Recall: quantidade de itens de interesse do
usu...
Referências
Recommender Systems with Ruby
http://pt.slideshare.net/marcelcaraciolo/recomm
ender-systems-with-ruby-adding-m...
Obrigado!
Daniel Lopes
Engenheiro em Computação
@dannyeuu
daniel@bankfacil.com.br
about.me/dannyeuu
Junte-se
a nós
bankfac...
Próximos SlideShares
Carregando em…5
×

Sistemas de recomendação em ruby

1.028 visualizações

Publicada em

Sistemas de recomendação em ruby. Palestra realizada no BankFacil.

Publicada em: Software
  • Seja o primeiro a comentar

Sistemas de recomendação em ruby

  1. 1. Sistemas de recomendação em Ruby Daniel Lopes
  2. 2. Agenda - Tipos de Sistemas - Gems Ruby - Performance - Métricas - Referências
  3. 3. Tipos de recomendação - Content-based filtering (Baseadas em conteúdo dos itens) - Collaborative filtering (Baseadas em usuarios) - Hibridas
  4. 4. Content-based filtering Baseado em conteúdos dos itens, verifica a semelhança . Algoritmos mais comuns são: tf-idf (term frequency–inverse document frequency), a Correlação de Pearson - mede a correlação entre duas variáveis X e Y numa faixa [-1] ~ [1]
  5. 5. Collaborative filtering Baseado nos usuários, verifica a semelhança entre eles e procura a similaridade entre eles. Algoritmo mais comum é o: k-NN (k vizinhos mais próximos) procura o vizinho mais próximo
  6. 6. Ferramentas em Ruby Como o ruby tem menos tradição científica, como python, há menos gems :( SciRuby (http://sciruby.com/) :) Tools for Scientific Computing in Ruby
  7. 7. Performance do dataset/algoritmo - MSE (root mean square) Calcula o valor eficaz de uma função variável continua ou uma série discreta, MSE = 0 indica simulação perfeita. - RMSE (root-mean-square error) apresenta valores do erro nas mesmas dimensões da variável analisada.
  8. 8. Métrica - Presição: Mede o acerto das recomendações. precisao=tp/(tp+fp) - Recall: quantidade de itens de interesse do usuário que aparecem na lista de recomendações. recall=tp/(tp+fn)
  9. 9. Referências Recommender Systems with Ruby http://pt.slideshare.net/marcelcaraciolo/recomm ender-systems-with-ruby-adding-machine- learning-statistics-etc Big Data, Data Mining, and Machine Learning, Jared Dean, 2014
  10. 10. Obrigado! Daniel Lopes Engenheiro em Computação @dannyeuu daniel@bankfacil.com.br about.me/dannyeuu Junte-se a nós bankfacil.com.br/dev

×