Где я могу узнать о системах рекомендации?
Что Вы, после формирование рисунка поведений класса под тестом.
- Проверка ожидаемых поведений.
- Проверка ошибочных случаев.
- Покрытие всех путей выполнения кода в классе.
- Осуществление всех функций членства в классе.
основное намерение является увеличением Ваша уверенность в поведении класса.
Это особенно полезно при рассмотрении рефакторинга кода. У Martin Fowler есть интересное статья относительно тестирования на его веб-сайте.
HTH.
аплодисменты,
Rob
2 ответа
Посетите страницу Википедии на Netflix Prize и его дискуссионный форум . Кроме того, несколько похожий 2009 GitHub Contest является хорошим источником полного исходного кода для ряда различных механизмов рекомендаций. И, очевидно, есть также страница Википедии по самой теме , на которой есть несколько приличных ссылок.
Если вы начнете писать свою собственную, вы захотите использовать корпус. Я бы рекомендовал использовать набор данных Netflix Prize . Просто разделите набор данных на две части. Тренируйтесь по первому элементу и оценивайте свой алгоритм по второму.
Дополнение: Отчасти похожее и пугающее приложение такого рода - прогнозирование демографической информации : пол, возраст пользователя, доход семьи, IQ, сексуальная ориентация и т. д. Вы, вероятно, могли бы сделать большинство из этих атрибутов с помощью набора данных Netflix Prize с довольно высокой степенью точности. К счастью каждый в этом наборе данных - это просто число .
Взгляните на pysuggest библиотеку Python, которая реализует различные алгоритмы рекомендаций для совместной фильтрации (которая используется Amazon.com).