Aller au contenu
English

Découvrir le journal du magasin

  • Leçon 3
  • 40 min
  • Module 1 : Le problème de la recommandation

Où nous en sommes

Nous savons ce que signifie la réussite pour chaque page. Maintenant, nous ouvrons les données. Dans cette leçon, nous préparons le projet, lisons le journal synthétique du magasin et exécutons la référence de base de popularité. Nous apprenons aussi à réinitialiser les données. D'abord, imaginez la première matinée d'une nouvelle vendeuse au magasin.

Leçon 3 sur 29 · Recommandation et personnalisation : montrer à chacun ce qui compteDécouvrir le journal du magasin
Aperçu du cours

5. La factorisation matricielle pour la rétroaction implicite

  1. Goûts cachés
  2. ALS et BPR avec implicit
  3. Régler sans vous tromper vous-même

Ce que vous saurez faire

Préparez le projet de recommandation de Larkfield, lisez son journal synthétique et obtenez le premier score que les méthodes suivantes devront dépasser. Vous ne pouvez pas juger une méthode sans connaître ses données et le score à dépasser.

Carnet JupyterFaites cette leçon dans un carnet JupyterColab · Kaggle · GitHub · en anglais

Le carnet (notebook) Jupyter lit le journal du magasin, compte la fréquence des commandes et trace la longue traîne des produits. Ensuite, vous évaluez vous-même la liste populaire. Ses cellules de préparation installent pandas, NumPy, SciPy et matplotlib, puis téléchargent les données (environ 8 Mo). Aucune préparation locale n’est donc nécessaire. Environ 20 minutes. Les commandes du projet présentées dans cette leçon s’exécutent sur votre ordinateur, pas dans le carnet.

Le carnet est en anglais. Colab et Kaggle ouvrent votre propre copie. Il faut un compte Google ou Kaggle gratuit. Vous êtes bloqué ? Consultez le carnet de solution.

Avant de commencerCe qu’il faut savoir et avoir sous la mainEnviron 40 minutes

Ce que vous devez savoir

Ce qu’il vous faut sur votre ordinateur

  • Python 3.12, un terminal et VS Code. Git est utile, mais un téléchargement ZIP convient aussi.
  • Environ 300 Mo d’espace disque libre pour le projet, ses données et ses paquets. Aucun compte, aucune clé et aucuns frais.

Testé sur macOS avec Python 3.12.13, NumPy 2.5.4, pandas 3.1.1 et SciPy 1.18.1. Les commandes Windows (PowerShell) sont fournies, mais n’ont pas été exécutées. Le carnet a été testé dans Jupyter, pas dans Colab ni Kaggle.

Imaginez une nouvelle vendeuse qui passe sa première matinée dans le magasin de jardinage. Avant de suggérer quoi que ce soit, elle ouvre le registre des ventes. Qui achète ici? À quelle fréquence? Quels produits se vendent, et pendant quels mois? Elle constate que la plupart des clients sont venus une seule fois. Quelques produits se vendent beaucoup plus que les autres.

Ensuite, elle note la règle la plus simple qui lui vient à l’esprit : « Montrer les meilleurs vendeurs à tout le monde. » Ce n’est pas ingénieux, mais elle a maintenant un chiffre à dépasser. Chaque idée suivante doit vendre plus que cette règle.

Cette leçon correspond à cette première matinée. Vous ouvrez le registre des ventes de Larkfield, le journal du magasin, et vous évaluez la règle la plus simple.

Le cours vous fournit deux choses dans le dépôt des laboratoires sur GitHub :

  • Les données, dans le dossier C37/data : le journal du magasin de Larkfield. Il est synthétique : notre code l’a créé avec un modèle du comportement des clients. Il contient 2 994 produits, 40 000 clients et 805 316 événements, du 1er février 2025 au 5 juillet 2026.
  • Le projet larkfield-recs, dans le dossier C37/snapshots/start. Sa commande recs évalue les méthodes de recommandation sur le journal du magasin. Elle utilise toujours les mêmes clients, la même période et les mêmes mesures. Un instantané est une copie du projet à un moment du cours. Chaque module suivant a le sien. Vous pouvez donc toujours recommencer avec une copie propre.

Vous travaillez dans un dossier larkfield-recs. Votre propre copie des données s’y trouve, dans data/.

  1. Ouvrez un terminal. Créez un dossier pour vos projets, puis ouvrez-le :

    Fenêtre de terminal
    mkdir -p ~/projects
    cd ~/projects
  2. Récupérez les fichiers du cours. Si vous avez Git, clonez le dépôt des laboratoires. Si vous l’avez déjà cloné, exécutez plutôt git -C nextia-learning-labs pull.

    Fenêtre de terminal
    git clone https://github.com/Nextia-Intelligence/nextia-learning-labs.git

    Sans Git, téléchargez le fichier ZIP du dépôt, puis décompressez-le dans votre dossier de projets. Son dossier s’appelle alors nextia-learning-labs-main. Utilisez ce nom à l’étape suivante.

  3. Copiez l’instantané start dans un nouveau dossier larkfield-recs. Copiez ensuite les données dans ce dossier, sous le nom data. Puis ouvrez le nouveau dossier.

    Fenêtre de terminal
    cp -R nextia-learning-labs/C37/snapshots/start larkfield-recs
    cp -R nextia-learning-labs/C37/data larkfield-recs/data
    cd larkfield-recs
  4. Créez un environnement virtuel, activez-le et installez les paquets. Un environnement virtuel est un dossier (.venv) avec ses propres paquets Python. Ainsi, les versions de ce projet ne se mélangent pas à celles des autres projets.

    Fenêtre de terminal
    python3.12 -m venv .venv
    source .venv/bin/activate
    pip install -r requirements.txt
    pip install -e . --no-deps

    La première ligne pip installe les versions exactes de NumPy, pandas, SciPy et pytest. La deuxième installe le projet lui-même et crée la commande recs. Le -e signifie « modifiable » : lorsque vous modifierez le code du projet, recs utilisera immédiatement votre modification. Le --no-deps signifie « ne rien installer d’autre ».

  5. Vérifiez la préparation :

    Fenêtre de terminal
    recs check
    Data: 12 files, all right (data)
    popular on the validation period (quick): recall@10 0.103 (expected 0.103)
    Setup check passed.
  6. Exécutez les tests du projet :

    Fenêtre de terminal
    python -m pytest -q

    Vous devriez voir 7 passed (7 tests réussis). Les tests utilisent un petit magasin inventé avec 48 produits. Ils n’ont donc pas besoin de données et prennent moins d’une seconde.

recs check fait deux choses. D’abord, la commande compare chaque fichier de données à sa somme de contrôle. C’est une courte empreinte du fichier, conservée dans data/SHA256SUMS. Si un seul octet du fichier est incorrect, l’empreinte change. Ensuite, la commande évalue la liste populaire sur une période dont le cours connaît la réponse : 0,103. Si les deux vérifications réussissent, vos données et votre code sont identiques à ceux du cours. La première commande prend quelques secondes, car elle lit tout le journal. Elle conserve une copie rapide à lire dans outputs/cache/. Les commandes suivantes sont donc rapides.

Dans chaque nouveau terminal, ouvrez larkfield-recs et activez de nouveau .venv avant d’utiliser recs.

Exécutez recs info :

Fenêtre de terminal
recs info
Products: 2,994 in 20 categories and 101 subcategories (synthetic)
Customers: 40,000; 23,809 ordered at least once, 54% of them only once
Events: 805,316 (572,465 views, 149,577 basket adds, 83,274 order lines in 57,418 orders), 2025-02-01 to 2026-07-05
Periods: validation 2026-06-08 to 2026-06-21, test 2026-06-22 to 2026-07-05
Customer-product pairs with any event: 488,128 of 119,760,000 (0.41% filled)

Le journal contient trois fichiers. Le schéma montre leurs liens :

Trois encadrés alignés. customers.csv, 40 000 lignes, avec customer_id, first_seen, region, shared_email et opted_out. events.csv.gz, 805 316 lignes, avec timestamp, customer_id, session_id, product_id et event, qui vaut view, basket ou order. products.csv, 2 994 lignes, avec product_id, title, category, price, added, season, in_stock, sensitive et age_restricted. Une ligne nommée customer_id relie les clients aux événements. Une ligne nommée product_id relie les événements aux produits.
Les trois fichiers du journal du magasin. Chaque événement relie un client à un produit.
Description textuelle du diagramme

Le schéma contient trois encadrés. À gauche, customers.csv contient 40 000 lignes, une par client, avec des colonnes comme shared_email et opted_out. Au milieu, events.csv.gz contient 805 316 lignes. Chaque ligne représente une action d’un client sur un produit : une consultation, un ajout au panier ou une commande. À droite, products.csv contient 2 994 lignes, une par produit. Il indique la catégorie, le prix, la date de mise en vente et la saison. Il indique aussi si le produit est en stock, sensible ou soumis à une restriction d’âge. La colonne customer_id relie les événements aux clients, et product_id relie les événements aux produits.

Un événement est une action d’un client sur un produit. Voici les trois premiers événements du journal, tirés de la section 1 du carnet. La fonction utilitaire events() ajoute la colonne day : le nombre de jours depuis le 1er février 2025.

timestamp customer_id session_id product_id event quantity \
0 2025-02-01 08:03:57 C133695 S0000001 P12071 view 0
1 2025-02-01 08:04:37 C133695 S0000001 P11787 view 0
2 2025-02-01 08:05:17 C133695 S0000001 P12808 view 0
price day
0 NaN 0
1 NaN 0
2 NaN 0

Le client C133695 a consulté trois produits pendant une visite. Une session est une visite. Les trois événements partagent donc S0000001. Les consultations n’ont ni quantité ni prix; seules les commandes en ont. Une ligne de commande représente un produit dans une commande. Une commande de trois produits crée donc trois lignes de commande.

Le journal ne contient aucune note : les actions des gens sont le seul signal. Le module 2 porte sur ce type de données.

La dernière ligne de recs info est un premier avertissement. Il existe 40 000 × 2 994 = 119 760 000 paires possibles entre un client et un produit. Seulement 0,41 % ont un événement. Presque tout ce qu’un système de recommandation doit deviner concerne une paire qu’il n’a jamais vue.

Ouvrez data/dataset-card.md dans VS Code. Une fiche de données est un court document qui accompagne un jeu de données. Elle indique la provenance des données, le sens d’une ligne, la licence et les limites. La fiche de Larkfield indique notamment :

  • Les données sont synthétiques et utilisent la licence CC0 : vous pouvez les copier et les utiliser à n’importe quelle fin.
  • splits.json définit trois périodes. La validation (du 8 au 21 juin 2026) sert au réglage. Le test (du 22 juin au 5 juillet 2026) sert une seule fois, pour le rapport final. Le lancement (du 1er au 14 mai 2026) couvre les deux premières semaines d’une nouvelle gamme estivale de 240 produits.
  • Les problèmes d’exercice que nous avons créés volontairement. Les manteaux d’hiver se vendent seulement en hiver. La nouvelle gamme estivale n’a aucun historique. Un produit estival parmi les meilleurs vendeurs est en rupture de stock à partir du 15 juin. Certains produits sont sensibles ou soumis à une restriction d’âge.
  • Ses limites : une méthode qui trouve ces tendances montre qu’elle peut trouver des tendances semblables. Cela ne prouve pas qu’elle gagnerait dans un vrai magasin. Les études de cas du module 10 utilisent des données réelles.

Combien de commandes un client de Larkfield passe-t-il? Le carnet compte les commandes de chaque client qui a commandé au moins une fois :

Commandes par client, pour les 23 809 clients qui ont commandé au moins une fois dans tout le journal. Parmi eux, 53,7 % ont commandé une seule fois.
Description textuelle du graphique

Un diagramme à six colonnes : les clients qui ont passé 1, 2, 3, 4, 5 et 6 commandes ou plus. 1 commande : 12 783 clients. 2 commandes : 4 838. 3 commandes : 2 296. 4 commandes : 1 279. 5 commandes : 773. 6 ou plus : 1 840. La première colonne dépasse les cinq autres réunies : 53,7 % des acheteurs ont commandé une seule fois.

Parmi les 23 809 clients qui ont commandé, 53,7 % l’ont fait une seule fois (recs info arrondit à 54 %). Et 40,5 % des 40 000 clients n’ont jamais commandé. Pour la plupart des clients, un système de recommandation connaît donc une commande, ou seulement quelques consultations. C’est normal pour un magasin. C’est aussi pourquoi la liste populaire est difficile à battre. Quand vous ne savez presque rien d’une personne, les produits qui se vendent à tout le monde constituent une estimation raisonnable.

Passons aux produits. Triez-les du meilleur vendeur au moins vendu, puis cumulez leur part de toutes les lignes de commande :

La longue traîne. Le 1 % des produits les plus vendus (29 produits) représente 21,7 % de toutes les lignes de commande, et les meilleurs 20 % en représentent 76,8 %. 409 produits n'ont jamais été commandés.
Description textuelle du graphique

La courbe part de 0 et monte très rapidement à gauche. Le 1 % des produits les plus vendus, soit 29 sur 2 994, représente 21,7 % des lignes de commande. À 20 % des produits, la courbe atteint 76,8 %. Ensuite, elle monte lentement et atteint 100 % à environ 86 % des produits. Les 409 derniers produits, soit environ 14 %, n’ont jamais été commandés. La courbe est donc plate à cet endroit.

Quelques produits se vendent beaucoup, et la plupart se vendent peu. Cette forme s’appelle une longue traîne, en référence à la longue partie plate à droite de la courbe. Elle compte pour deux raisons. D’abord, une liste de quelques meilleurs vendeurs convient étonnamment souvent. Ces produits représentent une grande part de toutes les commandes. Ensuite, un système de recommandation qui montre seulement les meilleurs vendeurs ne montre jamais la majeure partie du catalogue. La couverture, présentée dans la dernière leçon, mesure cela.

Le journal du magasin couvre 17 mois. Il contient donc des saisons. Voici les commandes de manteaux d’hiver par mois :

Commandes de manteaux d'hiver par mois, un problème d'exercice que nous avons créé volontairement. Elles culminent en janvier 2026 avec 271 lignes de commande et tombent à 0 en juin 2026. Le journal contient seulement 5 jours de juillet 2026.
Description textuelle du graphique

La courbe montre les lignes de commande de manteaux d’hiver chaque mois, de février 2025 à juillet 2026. En février 2025, il y en a 170. Elles tombent presque à zéro d’avril à août 2025, avec 1 à 3 par mois. Elles montent à partir d’octobre 2025 (150) jusqu’au sommet de 271 en janvier 2026, puis à 231 en février. En mars 2026, il y en a 36, en avril 12, en mai 1, et en juin et juillet 2026, 0. Le journal se termine le 5 juillet 2026.

Les manteaux se vendent en hiver et presque jamais en été. Un décompte des commandes sur tout le journal ne tient pas compte de cela. Le duffle-coat de Un bon vendeur en magasin figure donc dans la liste populaire le 22 juin. Il avait 857 acheteurs dans le passé, mais aucune commande pendant la période de test.

Une référence de base est la méthode simple que toute meilleure méthode doit battre. Définir une référence de base, dans le cours d’apprentissage automatique, explique cette idée pour un modèle. Ici, la première référence de base est l’affiche : la méthode popular. Le schéma montre comment le projet l’évalue :

Un flux de gauche à droite. Entraînement : tous les événements avant le 22 juin 2026. Décompte : pour chaque produit, le nombre de clients différents qui l'ont commandé. Une liste : les 10 produits avec le plus de clients. Affichage : la même liste pour chacun des 2 118 clients qui ont commandé pendant la période de test. Une deuxième entrée, la période de test du 22 juin au 5 juillet 2026, fournit les commandes réelles de chaque client. Les deux mènent au score : recall@10 pour chaque client, puis la moyenne, 0,106.
Comment recs evaluate évalue la liste populaire sur la période de test. La méthode apprend seulement des événements avant le 22 juin.
Description textuelle du diagramme

La méthode apprend de tous les événements avant le 22 juin 2026. Pour chaque produit, elle compte les clients différents qui l’ont commandé, puis conserve les 10 produits avec le plus de clients. Elle montre cette liste à chacun des 2 118 clients qui ont commandé entre le 22 juin et le 5 juillet 2026. Ensuite, le projet compare chaque liste aux commandes réelles du client pendant ces deux semaines. Il calcule le recall@10 pour chaque client et prend la moyenne : 0,106.

La méthode apprend seulement du passé. On l’évalue sur les deux semaines suivantes, comme en utilisation réelle. C’est un découpage temporel. Le module 2 explique pourquoi il compte autant pour les recommandations.

Exécutez d’abord la méthode sur un échantillon rapide :

Fenêtre de terminal
recs evaluate popular --quick
Method popular (the most ordered products over the whole training log), test period
Customers scored: 1,000 (quick sample); trained on events before 2026-06-22
recall@10 0.106 (95% interval 0.090 to 0.123), NDCG@10 0.061
coverage 0.3% of the products on sale
time: fit 0.0 s, suggestions 0.0 s

Lisez le résultat ligne par ligne :

  • Clients évalués : 1 000 (échantillon rapide). Avec --quick, le projet évalue un échantillon fixe de 1 000 des 2 118 clients. C’est plus rapide, et l’échantillon reste toujours le même. Deux exécutions rapides se comparent donc équitablement.
  • recall@10 0,106. En moyenne, 10,6 % des produits commandés par un client figuraient dans la liste. C’est la moyenne que vous avez calculée à la main pour trois clients dans Ce que signifie la réussite.
  • Intervalle à 95 % de 0,090 à 0,123. Le score dépend des clients qui se trouvent dans le test. L’intervalle indique où il se situerait probablement avec d’autres clients semblables. Une différence plus petite entre deux méthodes peut venir du hasard.
  • NDCG@10 0,061. Une deuxième mesure qui accorde plus de poids à un bon produit près du haut de la liste. Le module 3 l’explique.
  • Couverture 0,3 %. La liste montre 10 des 2 994 produits en vente. Ainsi, 99,7 % du catalogue n’apparaît jamais.

Évaluez maintenant les 2 118 clients :

Fenêtre de terminal
recs evaluate popular
Method popular (the most ordered products over the whole training log), test period
Customers scored: 2,118; trained on events before 2026-06-22
recall@10 0.106 (95% interval 0.095 to 0.118), NDCG@10 0.061
coverage 0.3% of the products on sale
time: fit 0.0 s, suggestions 0.0 s

Le score est identique, et l’intervalle est plus étroit : plus de clients, moins de hasard. C’est la première ligne du tableau comparatif du cours. Chaque module y ajoute des lignes, toujours sur les mêmes 2 118 clients et les mêmes deux semaines.

Est-ce que 0,106 est bon? Comparez ce score au minimum. recs evaluate --list montre les méthodes de cette étape :

Fenêtre de terminal
recs evaluate --list
popular the most ordered products over the whole training log
random random products on sale

Avant d’exécuter la prochaine commande, faites une prédiction : quel recall@10 obtiendront 10 produits aléatoires?

Fenêtre de terminal
recs evaluate random
Method random (random products on sale), test period
Customers scored: 2,118; trained on events before 2026-06-22
recall@10 0.004 (95% interval 0.002 to 0.007), NDCG@10 0.002
coverage 100.0% of the products on sale
time: fit 0.0 s, suggestions 0.0 s

Les listes aléatoires ne trouvent presque rien : 0,004. La liste populaire fait environ 26 fois mieux. Mais les listes aléatoires montrent chaque produit à quelqu’un (couverture de 100 %), tandis que la liste populaire en montre 10. Le module 3 revient sur ce point.

Méthode recall@10 (intervalle à 95 %) Couverture
popular 0,106 (0,095 à 0,118) 0,3 %
random 0,004 (0,002 à 0,007) 100,0 %

Exercice guidé : le journal du magasin dans le carnet

Section intitulée « Exercice guidé : le journal du magasin dans le carnet »

Le carnet fait le même travail dans pandas. Vous voyez donc comment chaque nombre est calculé. Vous pouvez l’exécuter dans Colab ou Kaggle. Pour l’exécuter sur votre ordinateur, placez-le dans son propre dossier, pas dans larkfield-recs.

  1. Ouvrez le carnet depuis l’encadré Faites cette leçon dans un carnet Jupyter en haut de cette page.
  2. Exécutez la première cellule de préparation. Elle affiche une ligne par paquet, par exemple pandas 3.1.1.
  3. Exécutez la deuxième cellule de préparation. Elle télécharge quatre fichiers de données et vérifie leurs sommes de contrôle. Sa dernière ligne est Ready: 4 files in larkfield-recs. (prêt : 4 fichiers dans larkfield-recs).
  4. Exécutez la cellule des fonctions utilitaires. Elle n’affiche rien.
  5. Dans la section 1, exécutez la cellule. Vous voyez 805,316 events from 2025-02-01 to 2026-07-05 (805 316 événements du 1er février 2025 au 5 juillet 2026) et les trois premiers événements.
  6. Dans la section 2, prédisez la part des acheteurs qui ont commandé une seule fois. Puis exécutez la cellule. Sa dernière ligne est 23,809 customers ordered; 54% of them only once (23 809 clients ont commandé; 54 % une seule fois).
  7. Dans la section 3, exécutez la cellule. Elle trace la longue traîne.

À vous de jouer : calculez vous-même le score de la liste populaire

Section intitulée « À vous de jouer : calculez vous-même le score de la liste populaire »

Dans la section 4 du carnet (notebook) Jupyter, calculez le rappel à 10 (recall@10) de la liste populaire sur la période de test, sans le projet. Prenez les événements avant la période de test. Trouvez les 10 produits commandés par le plus grand nombre de clients (comptez chaque client une seule fois). Ensuite, calculez la moyenne de recall_at_k(top10, ordered) pour tous les clients qui ont commandé pendant la période de test. Puis exécutez la cellule de vérification.

Afficher la réponse
train, truth = split("test", ev)
o = train[train["event"] == "order"]
top10 = o.groupby("product_id")["customer_id"].nunique().sort_values(ascending=False).index[:10].tolist()
recall = np.mean([recall_at_k(top10, ordered) for ordered in truth.values()])
print(round(recall, 3))
0.106

La cellule de vérification affiche Check passed: recall is 0.106. (vérification réussie : le rappel est de 0,106). La cellule suivante montre la liste. C’est la liste de Un bon vendeur en magasin, avec le duffle-coat au rang 6. nunique() compte les clients différents. Un client qui a commandé les mêmes gants trois fois compte donc une seule fois.

Ensuite, changez une chose dans le projet : la longueur de la liste. Avant d’exécuter les commandes, prédisez le recall@5 et le recall@20.

Fenêtre de terminal
recs evaluate popular --quick --k 5
recs evaluate popular --quick --k 20
Afficher la sortie
Method popular (the most ordered products over the whole training log), test period
Customers scored: 1,000 (quick sample); trained on events before 2026-06-22
recall@5 0.065 (95% interval 0.052 to 0.078), NDCG@5 0.047
coverage 0.2% of the products on sale
time: fit 0.0 s, suggestions 0.0 s
Method popular (the most ordered products over the whole training log), test period
Customers scored: 1,000 (quick sample); trained on events before 2026-06-22
recall@20 0.175 (95% interval 0.155 to 0.197), NDCG@20 0.080
coverage 0.7% of the products on sale
time: fit 0.0 s, suggestions 0.0 s

Une liste plus longue trouve davantage de produits commandés : 0,065 avec 5 cases, 0,106 avec 10 et 0,175 avec 20. Mais le rappel ne double pas quand la liste double. Chaque case supplémentaire contient un produit moins populaire. Et un emplacement n’offre pas 20 bonnes cases. Un courriel montre quelques produits, et la plupart des gens regardent seulement les premières cases d’une liste. Comparez donc les méthodes avec la longueur de liste que l’emplacement affiche réellement. Ce cours utilise 10 cases.

Tout ce que recs écrit va dans le dossier outputs/ : la copie rapide du journal et un fichier sauvegardé par exécution. recs reset supprime outputs/ et vérifie de nouveau les fichiers de données :

Fenêtre de terminal
recs reset
Reset: removed 9 files from outputs/; data: 12 files, all files are right.

Le nombre de fichiers dépend des commandes que vous avez exécutées. Utilisez recs reset quand un résultat semble étrange, ou avant un nouveau module. Cette commande ne supprime jamais data/. Si un fichier de données manque ou a changé, copiez de nouveau data depuis le dossier des exercices.

Erreur courante

Aucune donnée du cours trouvée

Symptôme : vous ouvrez un nouveau terminal, activez l’environnement et exécutez recs check depuis votre dossier de projets. La commande s’arrête immédiatement :

No course data found. Put the course data folder next to the project as data/, or set LARKFIELD_DATA to its path.

Cause : recs cherche les données dans le dossier où vous l’exécutez : dans data/, puis ../data, puis ../../data. Dans votre dossier de projets, aucun de ces dossiers ne contient le journal du magasin. La même chose arrive si vous avez oublié le deuxième cp de l’étape 3.

Solution : ouvrez le dossier du projet avec cd larkfield-recs, puis exécutez de nouveau la commande. Si data/ manque dans ce dossier, copiez-le depuis le dossier des exercices, comme à l’étape 3. Si vous conservez les données ailleurs, donnez leur chemin à la variable d’environnement LARKFIELD_DATA. Une erreur apparentée, command not found: recs (commande introuvable : recs), signifie que .venv n’est pas actif dans ce terminal. Activez-le comme à l’étape 4.

Conséquence pour le travail en IA : un outil d’évaluation qui utiliserait une autre copie des données sans avertir produirait des chiffres impossibles à comparer. recs s’arrête plutôt, et recs check compare chaque fichier à sa somme de contrôle.

Vérifiez votre compréhension

recs info indique que 54 % des clients qui ont commandé l'ont fait une seule fois. Qu'est-ce que cela signifie pour un système de recommandation et pour la liste populaire?

Afficher la réponse

Pour la plupart des clients, le système de recommandation connaît une commande, ou seulement des consultations. Pour les nouveaux visiteurs, il ne connaît rien. Une liste de produits qui se vendent auprès de tous constitue alors une estimation raisonnable. Avec la longue traîne, cette estimation est juste étonnamment souvent : les meilleurs 1 % des produits représentent 21,7 % des lignes de commande. La liste populaire est donc une référence de base solide. Les méthodes suivantes doivent la dépasser, aussi pour les nouveaux clients et les clients occasionnels.

Vérifiez votre compréhension

Prédisez et expliquez : la liste populaire obtient un recall@10 de 0,106 et une couverture de 0,3 %. Des produits aléatoires obtiennent 0,004 et 100 %. Quelle liste convient mieux à la page d'accueil de Larkfield?

Afficher la réponse

La liste populaire, de loin, selon la mesure principale : elle trouve environ 26 fois plus de produits que les gens commandent. Mais elle montre seulement 10 produits sur 2 994. Le reste du catalogue, dont la nouvelle gamme d’été, n’est donc jamais montré. Une meilleure méthode doit garder un rappel élevé et montrer davantage du catalogue. La couverture est un garde-fou, pas la mesure principale.

Vérifiez votre compréhension

Pourquoi recs evaluate entraîne-t-il la liste populaire seulement sur les événements avant le 22 juin 2026, puis l'évalue du 22 juin au 5 juillet?

Afficher la réponse

Parce que la liste s’utilise ainsi dans la réalité : le 22 juin, le magasin connaît seulement le passé. Si la méthode pouvait compter les commandes des semaines de test, elle connaîtrait la réponse et son score serait trop bon. Avec le même découpage pour chaque méthode, les lignes du tableau comparatif permettent une comparaison équitable.

Récapitulatif

  • Le projet larkfield-recs et sa commande recs s’exécutent sur votre ordinateur. recs check vérifie les données et un résultat connu, et recs reset supprime tout ce que le projet a écrit.
  • Le journal du magasin est synthétique : 2 994 produits, 40 000 clients et 805 316 événements (consultations, ajouts au panier, commandes), de février 2025 à juillet 2026. Il ne contient aucune note. La fiche de données l’explique et présente ses limites.
  • La plupart des clients achètent une seule fois (53,7 % des acheteurs), et quelques produits représentent la majorité des ventes. Les meilleurs 1 % représentent 21,7 % des lignes de commande. Cette longue traîne fait de la liste populaire une référence de base solide.
  • recs evaluate popular obtient un recall@10 de 0,106 (de 0,095 à 0,118) avec une couverture de 0,3 %. Des produits aléatoires obtiennent 0,004. Ce sont les premières lignes du tableau comparatif.

Vous pouvez maintenant exécuter le projet et lire un score. Mais jusqu’ici, le projet compte seulement les commandes. Le journal contient aussi 572 465 consultations et 149 577 ajouts au panier, et aucun de ces événements n’est une note. Ensuite, dans le module 2, vous décidez ce que ces événements révèlent sur les préférences d’un client.

Leçon suivante : Des interactions, pas des notes