zoukankan      html  css  js  c++  java
  • 1、前奏之评测指标

     1、概念

    用户列表:所有用户构成的集合

    商品列表:所有商品构成的集合

    用户行为:

    • 显反馈(打分):精确
    • 隐反馈(浏览日志、观看日志、购买日志等):量大

    用户活跃度:用户交互的商品数

    商品流行度:商品交互的用户数

    长尾分布:越流行的商品,流行商品数越少;推荐冷启动一般推荐流行度高商品,一般情况推荐不流行商品

                    

    训练数据:用户和商品的交互关系列表

                      历史数据分出一大部分作为训练数据

    测试数据:对训练出的模型测试

                      也是源自历史真实数据

    模型:算法

                                                     

    2、指标

      1、用户满意度:用户对推荐系统的满意程度,通过对用户调查或在线实验得到

      2、方差:实际评分和推荐计算评分的差的平方和开方的平均值(多用)

              

                 用户 u 对商品 i 的评分

      3、平均绝对误差

              

      4、召回率:召回即找回

           

      5、精确率

            

      6、覆盖率:对所有用户进行推荐后,推荐的商品数总和 / 商品的总和

               

      7、信息熵:衡量数据分布

                 p(i) 商品的流行度,一般是相对流行度,交互该商品的用户数,用户数越多,商品越流行;与此相对是用户活跃度,该商品交互的商品个数

               

      8、基尼系数:衡量数据分布

               

      9、多样性:推荐列表中物品两两之间的不相似性。多样性和相似性是对应的,假设s(i,j)E[0,1]定义了物品i和j间的相似度,则用户u的推荐列表R(u)的多样性定义:

              

      10、新颖性:给用户推荐他们以前没有听说过的商品

      11、惊喜度

      12、信任度

      13、实时性

      14、健壮性

    渐变 --> 突变
  • 相关阅读:
    leetcode--Populating Next Right Pointers in Each Node II
    leetcode—Populating Next Right Pointers in Each Node
    Pascal's Triangle II
    leetcode—pascal triangle
    leetcode—triangle
    October 23rd, 2017 Week 43rd Monday
    October 22nd, 2017 Week 43rd Sunday
    October 21st 2017 Week 42nd Saturday
    October 20th 2017 Week 42nd Friday
    October 19th 2017 Week 42nd Thursday
  • 原文地址:https://www.cnblogs.com/lybpy/p/9813315.html
Copyright © 2011-2022 走看看