Wie gibt KI Empfehlungen ab? Eine einfach zu verstehende Fibel.

Künstliche Intelligenz wird eingesetzt, um Kunden Empfehlungen zu geben. Erfahren Sie, wie Empfehlungen von Computeralgorithmen auf eine einfache und verständliche Weise erstellt werden.

Sie können sowohl die erste als auch die zweite Staffel jetzt im Schnelldurchlauf ansehen.

Abonnieren Sie den Kanal Lucid Thoughts und stellen Sie sicher, dass Sie Ihre Fragen und Kommentare zu jedem Video hinterlassen.

Abschrift:

Willkommen zurück, mein Freund.

Lassen Sie uns über Empfehlungen sprechen.

Sie haben wahrscheinlich schon viele Vorschläge gemacht, welche Restaurants man ausprobieren sollte, welche Musik man sich anhören sollte, wohin man bei seinem ersten Date gehen sollte. Komisch, dass sich das nicht durchgesetzt hat. Es sollte Sie nicht überraschen, dass wir auch Computern beibringen können, Empfehlungen zu geben.

Das erste, was Sie wissen müssen, ist, dass Ihre Empfehlungen nur so gut sind wie Ihre Daten, und Sie brauchen viele, viele Daten.

Zur einfachen Erklärung sollten wir uns in die Zeit zurückversetzen, als wir noch auf dem Spielplatz spielten, oder?

Emily liebt es, ihre Zeit auf den Schaukeln und der Wippe zu verbringen. Auch Bianca liebt die Schaukeln und die Wippe. Das bedeutet, dass wir Emily und Bianca in einer Gruppe zusammenfassen können. Als das neue Mädchen Joanna in die Klasse kommt, erzählt sie allen, dass sie die Schaukeln liebt. Damit ist Joanna in der Nähe der Gruppe von Emily und Bianca. Wir können also davon ausgehen, dass wir Joanna die Wippe empfehlen können.

Folgen? Gut.

Lassen Sie uns nun ein wenig technischer werden, lassen Sie uns diesen Algorithmus genauer unter die Lupe nehmen, um die genauen Tücken des Algorithmus herauszufinden.

Nur ein Scherz. Das war eine alternierende Formel der kleinsten Quadrate, die zwar wichtig ist, aber nicht im Test vorkommen wird.

Im Grunde handelt es sich um eine Formel, mit der Sie hübsche Diagramme wie diese erstellen können.

Sagen wir, dieses Diagramm oder diese Matrix repräsentiert Kevin und seine Filmgewohnheiten. Er schätzt Horrorfilme und Dokumentarfilme ziemlich hoch ein. Der hier drüben ist Jake. Jake hat ähnliche Filme gesehen, was bedeutet, dass Kevin und Jake in einer Gruppe sind. Aber beachten Sie, dass Jake ein paar Titel vermisst, die Kevin gesehen hat.

Nun, indem Sie diese Matrizen miteinander multiplizieren. Machen Sie sich keine Sorgen, das macht gerade jemand anderes. Dann erhalten wir diese neuen Datenpunkte, um die leeren Quadrate für Jake auszufüllen. Wenn wir diese Datenpunkte auftragen, erhalten wir ein Liniendiagramm, das uns hilft, Vorhersagen zu treffen. Das ist das Herzstück der linearen Regression.

Je näher ein Datenpunkt an Jakes Linie liegt, desto besser ist die Empfehlung für ihn. Es ist also klar, dass die Maschine Texas Chainsaw Massacre gegenüber Merry Kissmas empfehlen wird .

Wenn der Computer nicht genügend Daten hat, um eine Vorhersage zu treffen, erhalten Sie eine so genannte dünne Matrix. Wenn Sie nun versuchen, diese Daten in dieses Szenario zu zwingen, werden Sie wahrscheinlich schlechte Empfehlungen erhalten.

Jeder will Ihnen sagen, welche neue Serie Sie sich als nächstes ansehen sollten, auch Computer. Aber diese Maschinen haben die Daten, um es zu bestätigen, so dass Sie wissen, dass ihre Empfehlungen echt sind.

Deshalb kann ich es heute Abend kaum erwarten, in Bridget Jones’s Diaryeinzutauchen.

Brrr, brrr! Kommt schon Jungs, das ist nicht lustig.