07-01 推荐系统常用度量指标
文章目录 推荐系统常用评估指标 RMSE MAE Precision(准确率)&Recall(召回率) 覆盖率 信息熵 基尼系数 多样性 获取各种评测指标的途径 长尾分布 推荐系统常用评估指标 RMSE 加大了对预测不准的用户物品评分的惩罚。 RMSE = ∑ u , i ∈ T ( r u i − r u i ^ ) 2 ∣ T ∣ \text{RMSE}=\sqrt\frac{\sum_{u,i\in{T}}(r_{ui}-\hat{r_{ui}})^2}{|T|} RMSE = ∣ T ∣ ∑ u , i ∈ T ( r u i − r u i ^ ) 2 # records[i] = [u,i,rui,pui] # rui是用户u对物品i的实际评分,pui是用户u对物品i的预测评分 def rmse ( records ) : """计算均方根误差""" return math . sqrt ( sum ( [ ( rui - pui ) * ( rui - pui ) for u , i , rui , pui in records ] ) / len ( records ) ) MAE 如果评分系统是基于整数建立的,对预测结果取整会降低MAE的误差。 MAE = ∑ u , i ∈ T ∣ r u i − r u i ^ ∣ ∣ T ∣