Quiz 2 : Recommandation & Frequent Itemset Mining

Q1. Le filtrage collaboratif item-item prédit une note à partir…

des items similaires à ceux que l'utilisateur a notés d'items au hasard des items les plus chers des seules données démographiques

Q2. Pourquoi préférer item-item à user-user à grande échelle ?

il y a plus d'utilisateurs que d'items les similarités entre items sont stables et pré-calculables les items n'ont pas de notes c'est plus lent

Q3. L'approche par facteurs latents approxime la matrice de notes R par…

R ≈ P·Qᵀ (faible rang) R ≈ identité R ≈ R² un simple tri

Q4. Quelle décomposition matricielle donne la meilleure approximation de rang k (acronyme) ?

Q5. L'algorithme SON garantit…

des faux négatifs possibles un résultat exact (aucun faux négatif) une simple approximation moins d'items

Q6. PCY exploite, pendant le premier passage…

la mémoire libre pour hacher les paires le réseau le disque uniquement rien de particulier

Q7. Lesquelles sont des méthodes FIM adaptées au big data ?

(Plusieurs réponses possibles)

PCY SON Toivonen PageRank

Q8. SON en MapReduce s'implémente en combien de jobs ?

1 2 3 une infinité

✓ Vérifier mes réponses ↺ Recommencer