Etude de performances d'un systeme de predictionet de recommandation et mise en pratique des algorithmes deMachineLearning

Abstract

Les syst emesderecommandations(SR)sontdevenusunoutilessentielfaceauxquan- tit esmassivesdedonn eesquinecessentdecro^ trechaquejourdepuisl'av enementd'Inter- net. LaplupartdessolutionsSRsontbas eessurl'analysedespr ef erencesdesutilisateurs et leursnotations.Lebutdelarecommandationestdepr edireles evaluationsmanquantes d'un utilisateur,oud'uneautrefa conrecommander aunutilisateurdes el ementsqueses amis appr ecientenutilisantlapr ediction. Dans notretravailnousavonsappliqu edi erentsalgorithmes(KNN,SVD,NMF)sur des Data-Setsdi erentsend eveloppantlesapproches:pr edictiondenote(rating),re- commandation avecPr ediction,unsyst emederecommandationetpropos esuneapproche Hybride etunsyst emesensibleaucontexte. Ces di erentesapprochesont et evalid eenutilisantdeuxtechniquesdevalidation: Split-validationetcross-validationetles evalu eesenutilisantdi erentesm etriquesd' evaluation, asavoir:TestStatistique,mesured' evaluation,m etriquesd'erreur,m etriquesensibleau classementetlaComplexit e.