Mean Percentage Ranking (MPR) 实现

最新推荐文章于 2024-06-12 22:34:42 发布

原创最新推荐文章于 2024-06-12 22:34:42 发布 · 918 阅读

0 ·

CC 4.0 BY-SA版权

机器学习专栏收录该内容

6 篇文章

订阅专栏

本文深入探讨了推荐系统中常用的评估函数Mean Percentage Ranking (MPR)，详细解释了其计算原理和实现过程。MPR用于衡量推荐算法的准确性，通过计算预测评分在实际评分中的百分比排名来评估推荐效果。

Mean Percentage Ranking (MPR) 是推荐系统的一个常用的评估函数，在IMF和LMF论文中都使用这一评价指标。

mpr实现：

import numpy as np


def MPR(R_hat,R):
    '''

    :param R_hat: user dot item
    :param R: ratting
    :return: mean percentage rank
    '''
    rank = 0.0
    R_sum=np.sum(R)
    n_games=R.shape[1]
    R_hat_rank=np.argsort(np.argsort(-R_hat,axis=1))
    A=R*(R_hat_rank/n_games)
    rank = np.sum(A) / R_sum
    return rank

其中，使用2次np.argsort是为了得到元素在数组中的顺序名次。