NVIDIA/DeepRecommender

Add MovieLens example

Offen

#2 geöffnet am 03.10.2017

Auf GitHub ansehen
 (0 Kommentare) (2 Reaktionen) (0 zugewiesene Personen)Python (340 Forks)auto 404
enhancementgood first issuehelp wanted

Repository-Metriken

Stars
 (1.702 Sterne)
PR-Merge-Metriken
 (PR-Metriken ausstehend)

Beschreibung

Provide a recepie for training a model on MovieLens data (20M and 1M).

This should include the following:

  1. Data converter. Consider fixing/adjusting this script
  • Train/Eval/Test split. Training test ratings should come before any Eval and Test ratings. See section 3.1 (Experiment setup) of this paper for details and Netflix converter for example.

  1. An example train.sh, and test.sh for 20M and 1M MovieLens data sets which will train/eval and test the model correspondingly.

  2. Choose model architecture and hyper parameters that give best eval RMSE you can get.

Contributor Guide

Research-Richtung
Erkunden Sie die NVIDIA DeepRecommender Codebasis, um die vorhandene Modellarchitektur und Datenpipeline zu verstehen. Implementieren Sie dann einen Datenkonverter für den MovieLens Datensatz gemäß den bereitgestellten Referenzskripten, erstellen Sie Trainings /Test Skripte und optimieren Sie die Hyperparameter für das beste RMSE.
Tech Stack
pythonshell
Domain
machine learningdatabackend
Issue Type
Funktion
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
3-5 Tage
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Aktiv
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Klar
Voraussetzungen
PythonMachine learning basicsRecommender systems
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
50