26、推荐系统与心脏病预测模型研究

推荐系统与心脏病预测模型研究

一、混合协同推荐系统

1. 对比方法

在推荐系统的研究中，有几种先进的方法常被用于对比：
- SVD ：这是一种潜在因子模型，利用奇异值分解原理将矩阵 RR 分解为低秩近似。
- PMF ：与 SVD 类似，但它使用了具有用户和潜在特征均值与方差的概率高斯分布。
- NMF ：该方法在寻找用户 - 物品交互时，仅包含用户和物品的非负特征值。
- RecSVD++ ：是 SVD 的扩展，除了显式评分数据外，还包含隐式特征。

2. 性能度量与结果分析

2.1 性能度量指标

使用两个指标来衡量推荐系统模型的性能准确性：
- 均方根误差（RMSE） ：计算公式为 $RMSE = \sqrt{\frac{1}{N} \sum (r_i - \hat{r} i)^2}$，其中 $r_i$ 是目标评分值，$\hat{r}_i$ 是观察到的评分值。RMSE 值越低，表明预测模型越准确。
- 平均绝对误差（MAE） ：计算公式为 $MAE = \frac{1}{N} \sum {i = 1}^{n} |r_i - \hat{r}_i|$。

2.2 结果分析

在标准数据集上进行实验，验证了混合协同过滤（CF）模型的有效性。以下是不同模型在 Movielens 数据集上的