почему перед внедрением нужно сделать элемент последовательным, начиная с нуля

Question

Я изучаю совместную фильтрацию с помощью этого болга, Глубокое обучение с помощью Keras: Recommender Systems .

Учебное пособие хорошо, а код работает хорошо. Вот мой код .

Меня смущает одна вещь, сказал автор:

Поля user / mov ie в настоящее время непоследовательны целые числа, представляющие некоторый уникальный идентификатор для этого объекта. Нам нужно, чтобы они были последовательными, начиная с нуля, чтобы использовать их для моделирования (позже вы поймете, почему).

user_enc = LabelEncoder()
ratings['user'] = user_enc.fit_transform(ratings['userId'].values)
n_users = ratings['user'].nunique()

Но он, казалось, не назвал причину, мне не зачем это делать. Может кто-нибудь объяснить мне?

Answer 1

Вложения предполагаются последовательными.

Первый вход Embedding является входным измерением. Таким образом, если входное значение превышает входное измерение, значение игнорируется. Embedding предполагает, что максимальным значением на входе является входное измерение -1 (оно начинается с 0).

https://www.tensorflow.org/api_docs/python/tf/keras/layers/Embedding?hl=ja

В качестве примера приведен следующий код сгенерирует вложения только для ввода [4,3] и пропустит ввод [7, 8], поскольку входное измерение равно 5.

Я думаю, что более понятно объяснить это с помощью tenorflow;

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Embedding

model = Sequential()
model.add(Embedding(5, 1, input_length=2))
input_array = np.array([[4,3], [7,8]])
model.compile('rmsprop', 'mse')
output_array = model.predict(input_array)

Вы можете увеличить входное измерение до 9, а затем получите вложения для обоих входных данных.

Можно увеличить входное измерение до максимального числа + 1 в исходном наборе данных, но это неэффективно. На самом деле это похоже на одноразовое кодирование, когда последовательные данные экономят большой объем памяти.