padawansato / k198578 Goto Github PK

実行環境

• OS：ubuntu 18.04

データセット

• movie lens 100k dataset

利用した主要なライブラリ

• scikit-learn (0.22.1)
• notebook (5.1.0)
• jupyter (1.0.0)
• jupyter-client (5.1.0)
• jupyter-console (5.2.0)
• jupyter-core (4.3.0)
• numpy (1.19.5)
• pandas (0.20.3)
• pickleshare (0.7.4)
• lime (0.2.0.1)
• fastFM (0.2.11)

再現方法

• 環境構築1
  • requirement.txtを参考に環境構築をする。
• 環境構築2
  • dockerhubを用いてコンテナをダウンロードする。
  • 'docker pull padawane15/ubuntu_py3.5.1_fastfm:sklearn22'
• 実験の再現手引(追加実験を除く)
  • ファイル名："Scaling + LIME + BigData.ipynb"
  • Jupiternotebookファイルを実行することで、順次実験結果を得る。
• 追加実験の再現手引
  • ファイル名："randomsampling.ipynb"
  • 追加実験ではlimeライブラリを一部改正したmylimeを呼び出す。そのため、実行環境(pythonラインタイム)が呼び出すlimeライブラリのpathを調べる。
  • limeを改変した、mylimeライブラリをJupyternotebookファイルから呼び出せる場所(本実験の場合、同一階層のディレクトリ)に配置しJupyternotebookファイルを実行すること実験結果を得る。
  • 追加実験では、ランダムサンプリングではないデータセットを生成し、それをLIMEライブラリを一部改変したライブラリから呼び出すことでLIMEアルゴリズムがランダムサンプリングして疑似データを生成する過程の代わりに自作のデータセットを渡すことで自作のデータセットを用いた推論結果を得た。

ソースコード

• github:'https://github.com/psato/k198578'
• dockerhub:'padawane15/ubuntu_py3.5.1_fastfm:sklearn22'