Schwarmintelligenz und evolutionäre Algorithmen in ...

5.3 Experimente
zelnen Features enthalten. Neben den schon vorgestellten Maßen (Pearson-Korrelation, Kosinusähnlichkeit
und euklidischer Abstand) wird zusätzlich die Manhatten-Distanz verwendet.
Die Empfehlungen werden mit Formel 2.4 berechnet und für zufällig gewählte 20 Benutzer
jeweils der MAE bestimmt.
In Abbildung 5.4 sind die MAE Werte für jeden der 20 Benutzer und jeweils die Abstandsmaße
darstellt. Diese Werte wurden mit dem Kruskal-Wallis-Test analysiert. H 0 lautet, dass
zwischen den vier Verfahren kein Unterschied besteht. Es ergibt sich ein p-Wert von 0.9965.
H 0 kann nicht abgelehnt werden.
MAE (mean absolute error)
1.2
1.1
1
0.9
0.8
0.7
0.6
0.5
Manhattan Metrik
Euklidische Metrik
Pearson-Korrelation
Kosinusähnlichkeit
0.4
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Benutzer
Abbildung 5.4: MAE für 20 Benutzer bei Verwendung von vier unterschiedlichen Abstandsfunktionen
ohne Optimierung.
5.3.2 Resultat exemplarischer Fitnessverlauf
Es soll am Beispiel eines zufällig bestimmten aktiven Benutzers der Verlauf der Fitness während
des Optimierungsverfahrens aufgezeigt werden. Der mittlere absolute Fehler verringert
sich im Verlauf der Optimierung. Siehe dafür die entsprechenden MAE Werte in Abbildung
5.5.
5.3.3 Resultate PSOREC
Gewichtete Abstandsmaße Es soll untersucht werden, wie sich der PSOREC verhält, wenn
statische, zufällige und optimierte Gewichtsvektoren eingesetzt werden. Es wurden für 20
Benutzer je 50 unabhängige Läufe durchgeführt und jeweils der MAE bestimmt.
69