html5做网页网站,wordpress author 1,wordpress页眉语言,电脑制作网页的软件推荐系统能够为用户提供个性化体验#xff0c;现在基本上各大电商平台、资讯平台都会用推荐系统为自家评价下的用户提供千人千面的服务。平均精度均值#xff08;Mean Average Precision#xff0c;MAP#xff09;便是评估推荐系统性能的度量标准之一。但是#xff0c;使用…推荐系统能够为用户提供个性化体验现在基本上各大电商平台、资讯平台都会用推荐系统为自家评价下的用户提供千人千面的服务。平均精度均值Mean Average PrecisionMAP便是评估推荐系统性能的度量标准之一。但是使用其他诊断指标和可视化工具可以让模型评估更加深入甚至还会带来一些其他启发。本文探讨了召回率、覆盖率、个性化和表内相似性并使用这些指标来比较三个简单的推荐系统。Movielens数据集这篇文章中的例子使用的数据是Movielens 20m数据集。这些数据包含用户对电影的评分以及电影类型的标记。 为了延长训练时间该数据被下采样评分仅包括给超过1000部电影打过分的用户的评分以及3星及其以上的评分。用户电影评级的示例模型本文测试并比较了三种不同的推荐系统1.随机推荐随机为每位用户推荐10部电影2.根据流行度推荐向每位用户推荐最受欢迎的10部电影3.协同过滤器使用SVD的矩阵分解方法接下来就让我们深入了解这些指标和诊断图并比较这些模型长尾图长尾图用于挖掘用户-项交互数据中的流行度模式例如点击次数、评分或购买行为等。通常只有一小部分项目具有大量的交互我们称之为“头部”而大多数项目都集中在“长尾”中它们只占交互的一小部分。长尾图 Movielens 20m评级数据样本在训练数据中会对许多热门项目进行多方观察因此推荐系统想要准确预测这些项目并不难。在电影数据集中最受欢迎的电影是大片和经典老片。这些电影已为大多数用户所熟知推荐这些电影对用户来说可能并非是个性化推荐也可能无法帮助用户发现其他新的电影。相关推荐被定义为用户在测试数据时给予正面评价的项目的推荐。这里的指标用来评估推荐系统的相关性和实用性。MAP和MAR 推荐系统会为测试集中的每个用户生成推荐的有序列表。平均精度均值MAP可以让开发者深入了解推荐项目列表的相关性而召回率可以让开发者深入了解推荐系统的调试性能如调试用户给予正向评价的所有项目。MAP和MAR的详细描述如下Mean Average Precision (MAP) For Recommender Systemssdsawtelle.github.io覆盖率覆盖率是指模型能够在测试集上推荐的项目占训练数据的百分比。在此示例中受欢迎度推荐的覆盖率仅为0.05它只推荐了10件物品。随机推荐器的覆盖率接近100。出乎意料的是协同过滤只能推荐其训练的项目的8.42。三个推荐系统的覆盖率比较个性化个性化是评估模型是否向不同用户推荐相同项目的方法。用户的推荐列表之间存在差异1-余弦相似性。下边的例子能很好地说明如何计算个性化程度。3个不同用户的推荐项目示例列表首先每个用户的推荐项目会被表示为二进制指示符变量1向用户推荐该项目.0不向用户推荐该项目。然后跨所有用户的推荐向量计算余弦相似度矩阵。最后计算余弦矩阵的上三角的平均值。个性化是1-平均余弦相似度。高个性化分数表示用户的推荐不同这也意味着该模型为每一位用户提供个性化体验。列表内相似性列表内相似性是推荐列表中所有项目的平均余弦相似度。该计算使用推荐项目例如电影类型的特征来计算相似度。该计算方法可以通过以下示例说明。针对3个不同用户的电影ID的推荐示例这些电影类型特征用于计算推荐给用户的所有项目之间的余弦相似度。该矩阵显示了向用户1推荐的所有电影的特征。我们可以为每个用户计算表内相似性并对测试集中的所有用户求平均值从而得到对模型的表内相似性的估计。如果推荐系统向每一个用户推荐非常相似的项目列表如用户仅接收浪漫电影的推荐那么列表内相似性将很高。使用正确的训练数据我们可以对训练数据进行如下操作从而快速改进推荐系统1.从培训数据中删除热门项目 这一点适用于用户可以自行找到这些项目以及发现这些项目不具备实用性的情况。2.按照用户的值来放大项目评级例如平均交易值。这样做有助于模型推荐能够带来忠诚度或高价值客户的项目。结论一个好的推荐系统能够生成兼具实用性和相关性的推荐结果。使用多个评估指标来评估模型能够更加全面地衡量一个推荐系统的性能。原文链接Evaluation Metrics for Recommender Systems以上内容由第四范式先荐编译仅供于学习交流版权归原作者所有。相关阅读如何解决推荐系统中的冷启动问题推荐系统混合过滤推荐系统协同过滤及其利弊推荐系统过滤技术基于内容的过滤及其利弊推荐系统的工作流程用Python搭建推荐系统的最佳开源包如何用Python搭建一个简单的推荐系统想要了解推荐系统看这里2——神经网络方法想要了解推荐系统看这里1——协同过滤与奇异值分解入门推荐系统你不应该错过的知识清单推荐系统相关术语知多少如欲了解更多欢迎搜索并关注先荐微信公众号IDdsfsxj。本账号为第四范式智能推荐产品先荐的官方账号。账号立足于计算机领域特别是人工智能相关的前沿研究旨在把更多与人工智能相关的知识分享给公众从专业的角度促进公众对人工智能的理解同时也希望为人工智能相关人员提供一个讨论、交流、学习的开放平台从而早日让每个人都享受到人工智能创造的价值。 先荐_智能推荐系统_个性化推荐专家www.tuijianxitong.cn
