NVIDIA/DeepRecommender

Add MovieLens example

Aberta

#2 aberto em 3 de out. de 2017

Ver no GitHub
 (0 comentário) (2 reações) (0 responsável)Python (340 forks)auto 404
enhancementgood first issuehelp wanted

Métricas do repositório

Stars
 (1.702 estrelas)
Métricas de merge de PR
 (Métricas PR pendentes)

Description

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.

Guia do colaborador

Direção de pesquisa
Explore o codebase do NVIDIA DeepRecommender para entender a arquitetura do modelo existente e o pipeline de dados. Em seguida, implemente um conversor de dados para o conjunto de dados MovieLens seguindo os scripts de referência fornecidos, crie scripts de treinamento/teste e ajuste os hiperparâmetros para obter o melhor RMSE.
Pilha de tecnologia
pythonshell
Domain
machine learningdatabackend
Tipo Issue
Funcionalidade
DifficultyDificuldade de implementação estimada para um novo contribuidor, de 1 para alterações muito pequenas a 5 para trabalho de nível especializado.
3
Tempo estimadoUm intervalo de tempo aproximado para um colaborador experiente investigar, implementar, testar e preparar um pull request.
3-5 dias
Status da atividadeQuão disponível o issue aparece agora: novo, ativo, obsoleto, bloqueado ou aguardando entrada do mantenedor.
Ativo
ClarityCom que clareza o issue explica a mudança esperada, os critérios de aceitação e a próxima etapa.
Claro
Prerequisites
PythonMachine learning basicsRecommender systems
Simpatia para novatosUma pontuação de 1 a 100 que estima o quão acessível este issue é para colaboradores iniciantes.
50