推荐系统算法评价指标

╰半夏微凉° 2022-10-29 05:29 273阅读 0赞

# 推荐系统算法评价指标 #

## 1.推荐准确度评测 ##

### 1.1 评分预测 ###

很多网站都有让用户给物品打分的功能，如果知道用户对物品的历史评分，就可以从中学习一个兴趣模型，从而预测用户对新物品的评分

评分预测的准确度一般用均方根误差（RMSE）或平均绝对误差（MAE）计算  
![在这里插入图片描述][20210208231848431.png]  
![在这里插入图片描述][20210208231901469.png]

### 1.2 Top-N推荐 ###

*  网站提供推荐服务时，一般是给用户一个个性化的推荐列表，这种推荐叫做 Top-N推荐
 *  Top-N推荐的预测准确率一般用精确率（precision）和召回率（recall）来度量

## 2. 准确率、精确率和召回率 ##

*  假如某个班级有男生80人,女生20人,共计100人，目标是找出所有女生。现在某人挑选出50个人，其中20人是女生，另外还错误的把30个男生也当作女生挑选出来了。那么怎样评估他的工作？
 *  将挑选结果用矩阵示意表来表示 ： 定义 TP，FN，FP，TN 四种分类情况

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjc5NjQwMw_size_16_color_FFFFFF_t_70]  
**准确率(accuracy)**

*  正确分类的 item 数与总数之比  
    A = (20+50) / 100 = 70%

**精确率(precision)**

*  所有被检索到的 item 中，"应该被检索到"的 item 占的比例  
    P = 20 / (20+30) = 40%

**召回率(recall)**

*  所有检索到的 item 占所有"应该检索到的item"的比例  
    R = 20 / (20 + 0) = 100%

[20210208231848431.png]: /images/20221024/be4e7a85121744bbbe3540c67d59862f.png
[20210208231901469.png]: /images/20221024/1ac266cea4914231839278f833c88339.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjc5NjQwMw_size_16_color_FFFFFF_t_70]: /images/20221024/ee218dea01a244e980f2bf35974be17d.png