eq值 推荐算法_推荐系统算法

一. 知识点准备

1.1 准确率、精准率、召回率

我们如下所示矩阵，称为混淆矩阵，有n行n列，每行表示真实值，每列表示预测值。如有150个样本数据，预测类标记为1,2,3各50个，分类结束后得到的混淆矩阵为：

第一行表示，“类1”预测正确的样本有43个，其中把2个实际是“类1”的样本预测成了类2。

我们用最简单的二分类，把混淆矩阵转换成如下：

T、F 表示(true)、(false)表示预测结果，T预测正确、F预测错误；P、N表示预测结果值，P预测为正、N预测为负。那么：TP 表示预测结果正确，预测值为正；

FN 表示预测结果错误，预测值为负，那么实际值就是正；

FP 表示预测结果错误，预测值为正，那么实际值就是负；

TN 表示预测结果正确，预测值为正。

准确率= (TP + TN) / (TP + FN + FP + TN) 。意思就是所有预测正确的结果除以全部的样本数量。但当我们的总样本90%是正类、10%是负类时，此时叫样本不平衡。在样本不平衡情况下，我们把全部样本预测为正类，则就会有高达90%的准确率。显然这个准确率数值水份很高。

精确率 = (TP)/(TP + FP)。预测真正准确的正样本除以所有的预测正样本数。精确率又叫查准率，它针对预测结果而言。表达的意思就是，在正样本中，我们有多少预测正确。

召回率 = (TP)/(TP + FN)。预测真正准确的正样本除以所有的正样本。召回率又叫查全率，它针对实际的正样本而言的。

我们精准率和召回率，他们只有分母 FP(预测错误，实际为负)、FN(预测错误，实际为正)的差别。FP、FN是一对互斥的指标，所以精确率和召回率也是一对互斥的指标。

1.2 覆盖率、多样性

覆盖率：