predictionio

4熱度

1回答

問題是UR template 當我保存這樣的項目： { "event" : "$set", "entityType" : "item", "entityId" : "ipad", "properties" : { "category": ["123", "1145"] "expireDate": "2016-10-05T21:02:4

1熱度

1回答

安裝沒有互聯網連接的SBT

我想在一臺無法連接到互聯網的機器上使用prediction.IO。當我嘗試構建時，它想要下載SBT的依賴關係。我想知道如何手動完成此操作，並且如果有可以下載所有依賴項的位置，並運行SBT。我真的很感激任何幫助。我在這裏死去。非常感謝！

0熱度

1回答

預測IO +通用推薦器中推薦數量的減少

我們正在嘗試使用PredictionIO（版本0.9.5）+通用推薦器（版本0.2.3）爲我們的服務用戶構建個人推薦。 EventServer正在收集有關用戶對MySQL數據庫中項目評分的事件，Recommender的重新培訓按計劃程序運行並將個人建議存儲到ElasticSearch。在開始和稍後的一些列車中，推薦人的回覆看起來很不錯，但過了一段時間，推薦人數開始下降。我們查看了ElasticSe

0熱度

1回答

Java的電子商務推薦給空分

我們遵循以下文件獲得一個基本的電子商務推薦引擎了：模板中使用：PIO模板得到PredictionIO /模板斯卡拉平行-ecommercerecommendation 文件如下：https://docs.prediction.io/templates/ecommercerecommendation/quickstart/ 但是，我們調整了在幾個步驟獲得的引擎啓動和運行： engineFactor

-1熱度

1回答

使用谷歌預測推薦下載

我運行一個下載門戶，基本上我想要做的是在用戶下載文件後，我想推薦其他相關類別。我正在考慮使用谷歌預測來做到這一點，但我不知道如何構建培訓數據。我想是這樣的： category of the file downloaded (label), geo, gender, age 然而，這似乎不完整的，因爲數據不會對下載的文件的任何信息。希望得到一些建議，對ML來說是新的。

0熱度

1回答

我該如何計算真正的，真的負數，假陽性和假陰性

其實我在specificity和sensitivity上工作。我必須計算混淆矩陣。但我不知道如何計算。預測IO模型的輸出分爲正面，負面和中性三類。當我的輸出超過2個類時，任何人都可以告訴我如何計算混淆矩陣。這可能是一個愚蠢的問題，所以請指導我如何實現我的目標。 Sensitivity = (no of true positive)/ ((no of true positive)+(no of fa

1熱度

3回答

PredictionIO PIO狀態：動物園管理員存在失敗

我通過安裝PredictionIO $的bash -c 「$（捲曲-s https://install.prediction.io/install.sh）」，當我做了PIO狀態，它顯示以下信息： [INFO] [Console$] Inspecting PredictionIO... [INFO] [Console$] PredictionIO 0.9.5 is installed at /U

1熱度

1回答

Prediction.io：無法部署引擎

我試圖在本地機器上設置Prediction.io Text-Classification Engine。然而，在試圖pio build，我得到以下信息： [ERROR] [Console$] No valid engine instance found for engine iMXSzwtuLBqTGDQVWFwhXLyX3MELx6Ox 2089ace31214efdc353ab45e911b7

4熱度

1回答

PredictionIO部署問題

我運行了pio deploy，它似乎沒有錯誤，但我不確定事情是否正常運行。做任何下面的警告標誌任何可能表明它沒有工作的警告？ [INFO] [Runner$] Submission command: /opt/spark-1.4.1-bin-hadoop2.6/bin/spark-submit --class io.prediction.workflow.CreateServer --jars f

1熱度

1回答

從Prediction.io批量導出分數

我們使用Prediction.IO作爲我們的推薦引擎。部署後（pio deploy），我們可以調用部署後創建的Web服務，以便在需要時一次獲得一個用戶的推薦結果。我們還可以通過一次呼叫向很多用戶發送很多請求。因爲我們擁有數十億的事件和數百萬的用戶實體，所以使用http端口的Web服務不是一種快速的方式來導出數據並對其進行分析，比如在Hive中。問題是，我們無法找到一種方法來爲所有用戶導出推薦