13、协同过滤中聚类推荐器的评估与分析

协同过滤中聚类推荐器的评估与分析

1. 评估指标

在评估推荐系统的准确性时，预测准确性和分类准确性都非常重要。

1.1 预测准确性

预测准确性体现了系统准确预测用户对产品喜好的效率，使用了两个指标：
- 平均绝对误差（MAE） ：反映预测值与真实值之间的平均绝对偏差。
- 均方根误差（RMSE） ：对较大误差更为敏感，用于量化不期望的大误差。

1.2 分类准确性

分类准确性衡量推荐系统为用户创建个性化推荐产品列表的能力，即系统正确判断产品是否适合用户的频率。使用F - 分数（f）来衡量，它也被称为调和均值，其计算公式如下：
[
p = \frac{tp}{tp + fp}, r = \frac{tp}{tp + fn}, f = \frac{2pr}{p + r}
]
其中：
- 真正例（tp） ：产品是用户喜欢的，且推荐系统正确预测为喜欢。
- 假正例（fp） ：产品实际上用户不喜欢，但推荐系统错误预测为喜欢。
- 假反例（fn） ：产品实际上是用户喜欢的，但推荐系统预测为不喜欢。

我们使用5星评分中的4星作为区分好坏体验的阈值，4星和5星被视为正例（p），因为3星可能表示用户对选择不太满意。

F - 分数还依赖于另外两个指标：
- 精确率（p） ：检索到的用户感兴趣的