推荐系统的性能评估

本文详细介绍了推荐系统评估的关键指标,包括线下评估的均方根误差(RMSE)、平均绝对误差(MAE)、召回率(recall)和F1分数,以及线上评估的点击通过率(CTR)、转化率(CR)和投资回报率(ROI)。理解这些指标对于优化推荐系统至关重要。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1、线下评估

  • 均方分误差 ( RMSE, Root Mean Square Error )

这里写图片描述
RMSE越小,表示误差越小,推荐系统的性能越好。

  • 平均绝对误差 (MAE,Mean Absolute Error)
    这里写图片描述
  • recall
    这里写图片描述
    recall = 0.6
    这里写图片描述

这里写图片描述

  • F1 score
    这里写图片描述
    F的值越大,说明推荐系统的性能越好。

2、线上评估(A/B test)

  • CTR (Click Through Rate) :用户对商品的点击率
  • CR(Conversion Rate):转化率-用户进入商品的链接是否看完
  • ROI
    这里写图片描述
    ROI越大,推荐系统的性能越好。
  • QA
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值