- 追加された行はこの色です。
- 削除された行はこの色です。
[[Mahout:環境構築]]
*Mahout:サンプル1:はじめてのレコメンド [#xd802de1]
Mahoutを使った初めてのレコメンドです。
まあ、Mahout本に記載されているサンプルを実行してるだけですがw
※Mahout本にはimportするクラスとか書いてないけど、きっとサンプルソースはコーディングせずにDLして使ってね!ってことなんだよねw それとも、それぐらい解決できない人はそもそも対象外ですよ、ってことなのかなw
***サンプルコード [#h23b3875]
うだうだ長いですが、端的には
-DataModelにデータを食わせて
-Simirarityを計算させて
-Neighborhoodを計算させて
-そいつらを元にRecommenderを生成して
-RecommenderにレコメンドするユーザID(1)と提示(レコメンデーション)させるアイテム数(1)を渡しているってことです。
■RecommenderIntro.java
package test1;
import java.io.File;
import java.util.List;
import org.apache.mahout.cf.taste.impl.model.file.FileDataModel;
import org.apache.mahout.cf.taste.impl.neighborhood.NearestNUserNeighborhood;
import org.apache.mahout.cf.taste.impl.recommender.GenericUserBasedRecommender;
import org.apache.mahout.cf.taste.impl.similarity.PearsonCorrelationSimilarity;
import org.apache.mahout.cf.taste.model.DataModel;
import org.apache.mahout.cf.taste.neighborhood.UserNeighborhood;
import org.apache.mahout.cf.taste.recommender.RecommendedItem;
import org.apache.mahout.cf.taste.recommender.Recommender;
import org.apache.mahout.cf.taste.similarity.UserSimilarity;
public class RecommenderIntro {
/**
* @param args
*/
public static void main(String[] args) throws Exception{
DataModel model = new FileDataModel(new File("data/data1/intro.csv"));
UserSimilarity similarity = new PearsonCorrelationSimilarity(model);
UserNeighborhood neighborhood = new NearestNUserNeighborhood(2, similarity, model);
Recommender recommender = new GenericUserBasedRecommender(
model, neighborhood, similarity);
List<RecommendedItem> recommendations = recommender.recommend(1, 1);
for (RecommendedItem recommendation : recommendations){
System.out.println(recommendation);
}
}
}
サンプルで使用するデータは「data/data1/intro.csv」としてます。
■data/data1/intro.csv
1,101,5.0
1,102,3.0
1,103,2.5
2,101,2.0
2,102,2.5
2,103,5.0
2,104,2.0
3,101,2.5
3,104,4,5
3,105,4.5
3,107,5.0
4,101,5.0
4,103,3.0
4,104,4.5
4,106,4.0
5,101,4.0
5,102,3.0
5,103,2.0
5,104,4.0
5,105,3.5
5,106,4.0
して、サンプルの実行結果は以下のとおり。
SLF4J: Class path contains multiple SLF4J bindings.
SLF4J: Found binding in [jar:file:/opt/extend/mahout/Mahout1/lib-mahout/lib/slf4j-jcl-1.6.1.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: Found binding in [jar:file:/opt/extend/mahout/Mahout1/lib-mahout/lib/slf4j-log4j12-1.6.1.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation.
13/04/12 22:49:17 INFO file.FileDataModel: Creating FileDataModel for file data/data1/intro.csv
13/04/12 22:49:17 INFO file.FileDataModel: Reading file info...
13/04/12 22:49:17 INFO file.FileDataModel: Read lines: 21
13/04/12 22:49:17 INFO model.GenericDataModel: Processed 5 users
RecommendedItem[item:104, value:4.257081]
ほっほー、とりあえず、結果が出力されましたw
結果としては、「ユーザ1に1つアイテムをレコメンドせい」という要求に対して「104ってやつがスコア4.26でおすすめです」と言うことですな。
じゃあ、レコメンドさせるアイテムを2にすると以下のようになります。
ソース上のここ
List<RecommendedItem> recommendations = recommender.recommend(1, 1);
を
List<RecommendedItem> recommendations = recommender.recommend(1, 2);
に修正して実行!っと。するとこんな感じです。
SLF4J: Class path contains multiple SLF4J bindings.
SLF4J: Found binding in [jar:file:/opt/extend/mahout/Mahout1/lib-mahout/lib/slf4j-jcl-1.6.1.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: Found binding in [jar:file:/opt/extend/mahout/Mahout1/lib-mahout/lib/slf4j-log4j12-1.6.1.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation.
13/04/12 23:21:42 INFO file.FileDataModel: Creating FileDataModel for file data/data1/intro.csv
13/04/12 23:21:43 INFO file.FileDataModel: Reading file info...
13/04/12 23:21:43 INFO file.FileDataModel: Read lines: 21
13/04/12 23:21:43 INFO model.GenericDataModel: Processed 5 users
RecommendedItem[item:104, value:4.257081]
RecommendedItem[item:106, value:4.0]
なるほど、2つのアイテムがレコメンドされた!そりゃあそうかw
***レコメンダの評価 [#ce5bd6a3]
Mahout本では、いきなり次に、レコメンダの評価の話に移ります。
「評価ってなに?」って感じだけど、3回くらい読んで何となくわかった気になってます。
まあ、評価って「存在するデータの一部を使用してレコメンダを作成し、残りの一部(全部)のデータを使って、レコメンダで計算させた結果と、実際の値を比較し、評価する」ってこと見たいです。
上のサンプルを、評価を実行するように改変したコードは以下のとおり。なお、データは変わりません。
■RecommenderIntroAndEvaluation.java
package test1;
import java.io.File;
import org.apache.mahout.cf.taste.common.TasteException;
import org.apache.mahout.cf.taste.eval.RecommenderBuilder;
import org.apache.mahout.cf.taste.eval.RecommenderEvaluator;
import org.apache.mahout.cf.taste.impl.eval.AverageAbsoluteDifferenceRecommenderEvaluator;
import org.apache.mahout.cf.taste.impl.model.file.FileDataModel;
import org.apache.mahout.cf.taste.impl.neighborhood.NearestNUserNeighborhood;
import org.apache.mahout.cf.taste.impl.recommender.GenericUserBasedRecommender;
import org.apache.mahout.cf.taste.impl.similarity.PearsonCorrelationSimilarity;
import org.apache.mahout.cf.taste.model.DataModel;
import org.apache.mahout.cf.taste.neighborhood.UserNeighborhood;
import org.apache.mahout.cf.taste.recommender.Recommender;
import org.apache.mahout.cf.taste.similarity.UserSimilarity;
import org.apache.mahout.common.RandomUtils;
public class RecommenderIntroAndEvaluation {
/**
* @param args
*/
public static void main(String[] args) throws Exception{
RandomUtils.useTestSeed();
DataModel model = new FileDataModel(new File("data/data1/intro.csv"));
RecommenderEvaluator evaluator =
new AverageAbsoluteDifferenceRecommenderEvaluator();
RecommenderBuilder builder = new RecommenderBuilder(){
@Override
public Recommender buildRecommender(DataModel model)
throws TasteException {
UserSimilarity similarity =
new PearsonCorrelationSimilarity(model);
UserNeighborhood neighborhood =
new NearestNUserNeighborhood(2, similarity, model);
return new GenericUserBasedRecommender(
model, neighborhood, similarity);
}
};
// 70%のデータを使用してRecommenderを作成し、30%のデータを使用して評価を実行
double score = evaluator.evaluate(builder,null,model,0.7,1.0);
System.out.println(score);
}
}
実行結果は以下のとおり。
SLF4J: Class path contains multiple SLF4J bindings.
SLF4J: Found binding in [jar:file:/opt/extend/mahout/Mahout1/lib-mahout/lib/slf4j-jcl-1.6.1.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: Found binding in [jar:file:/opt/extend/mahout/Mahout1/lib-mahout/lib/slf4j-log4j12-1.6.1.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation.
13/04/12 23:38:18 INFO file.FileDataModel: Creating FileDataModel for file data/data1/intro.csv
13/04/12 23:38:18 INFO file.FileDataModel: Reading file info...
13/04/12 23:38:18 INFO file.FileDataModel: Read lines: 21
13/04/12 23:38:18 INFO model.GenericDataModel: Processed 5 users
13/04/12 23:38:18 INFO eval.AbstractDifferenceRecommenderEvaluator: Beginning evaluation using 0.7 of FileDataModel[dataFile:/opt/extend/mahout/Mahout1/data/data1/intro.csv]
13/04/12 23:38:18 INFO model.GenericDataModel: Processed 5 users
13/04/12 23:38:18 INFO eval.AbstractDifferenceRecommenderEvaluator: Beginning evaluation of 3 users
13/04/12 23:38:18 INFO eval.AbstractDifferenceRecommenderEvaluator: Starting timing of 3 tasks in 1 threads
13/04/12 23:38:18 INFO eval.StatsCallable: Average time per recommendation: 7ms
13/04/12 23:38:18 INFO eval.StatsCallable: Approximate memory used: 6MB / 31MB
13/04/12 23:38:18 INFO eval.StatsCallable: Unable to recommend in 2 cases
13/04/12 23:38:18 INFO eval.AbstractDifferenceRecommenderEvaluator: Evaluation result: 1.0
1.0
はっきり言って、何の解説も無しにこの結果だけ見てもさっぱりわかりませんw
Mahout本によると、まあ、今回使用したevaluatorは「AverageAbsoluteDifferenceRecommenderEvaluator」で、「レコメンダが推薦するアイテムの推奨値と、実際にユーザがつけた推奨値の差の絶対値の平均を出力する」評価器らしいw
ということは、今回の評価では、レコメンダが計算し推奨値と実際にユーザがつけた推奨値は平均で1.0の誤差があるということになるらしい。
なるほどー。
また、Mahout本では「単純な平均ではなく、二乗平均平方根でもスコアづけできるよ」ってかいてあったのでやってみましたw
「RMSRecommenderEvaluator」っていうEvaluatorを使用するらしい。
して、以下のコードをmainメソッドの最後に追加。
RecommenderEvaluator evaluator2 = new RMSRecommenderEvaluator();
double score2 = evaluator2.evaluate(builder,null,model,0.7,1.0);
System.out.println(score2);
結果はこんな感じです。
SLF4J: Class path contains multiple SLF4J bindings.
SLF4J: Found binding in [jar:file:/opt/extend/mahout/Mahout1/lib-mahout/lib/slf4j-jcl-1.6.1.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: Found binding in [jar:file:/opt/extend/mahout/Mahout1/lib-mahout/lib/slf4j-log4j12-1.6.1.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation.
13/04/13 00:05:12 INFO file.FileDataModel: Creating FileDataModel for file data/data1/intro.csv
13/04/13 00:05:12 INFO file.FileDataModel: Reading file info...
13/04/13 00:05:12 INFO file.FileDataModel: Read lines: 21
13/04/13 00:05:12 INFO model.GenericDataModel: Processed 5 users
13/04/13 00:05:12 INFO eval.AbstractDifferenceRecommenderEvaluator: Beginning evaluation using 0.7 of FileDataModel[dataFile:/opt/extend/mahout/Mahout1/data/data1/intro.csv]
13/04/13 00:05:12 INFO model.GenericDataModel: Processed 5 users
13/04/13 00:05:12 INFO eval.AbstractDifferenceRecommenderEvaluator: Beginning evaluation of 3 users
13/04/13 00:05:12 INFO eval.AbstractDifferenceRecommenderEvaluator: Starting timing of 3 tasks in 1 threads
13/04/13 00:05:12 INFO eval.StatsCallable: Average time per recommendation: 6ms
13/04/13 00:05:12 INFO eval.StatsCallable: Approximate memory used: 6MB / 31MB
13/04/13 00:05:12 INFO eval.StatsCallable: Unable to recommend in 2 cases
13/04/13 00:05:12 INFO eval.AbstractDifferenceRecommenderEvaluator: Evaluation result: 1.0
13/04/13 00:05:12 INFO eval.AbstractDifferenceRecommenderEvaluator: Beginning evaluation using 0.7 of FileDataModel[dataFile:/opt/extend/mahout/Mahout1/data/data1/intro.csv]
1.0
13/04/13 00:05:12 INFO model.GenericDataModel: Processed 5 users
13/04/13 00:05:12 INFO eval.AbstractDifferenceRecommenderEvaluator: Beginning evaluation of 3 users
13/04/13 00:05:12 INFO eval.AbstractDifferenceRecommenderEvaluator: Starting timing of 3 tasks in 1 threads
13/04/13 00:05:12 INFO eval.StatsCallable: Average time per recommendation: 1ms
13/04/13 00:05:12 INFO eval.StatsCallable: Approximate memory used: 6MB / 31MB
13/04/13 00:05:12 INFO eval.StatsCallable: Unable to recommend in 2 cases
13/04/13 00:05:12 INFO eval.AbstractDifferenceRecommenderEvaluator: Evaluation result: 1.0
1.0
うーむ、結局、今回のケースではどっちでやっても「1.0」なんだ、、、