推荐系统Surprise--度量准则与评估标准
一:Surprise中基于近邻的方法(协同过滤)可以设定不同的度量准则。具体如下:
相似度度量标准 | 度量标准说明 |
---|---|
1:cosine | 用户(items)之间的cosine 相似度 |
2:msd | 用户(items)之间的均方差误差 |
3:pearson | 用户(items)之间的皮尔逊相关系数 |
4:pearson_baseline | 计算用户(item)之间的(缩小的)皮尔逊相关系数,使用基准值进行居中而不是平均值。 |
1:cosine点击打开链接
2:msd
3:pearson
Pearson相关系数可以看作是一个以平均值为中心的余弦相似度
4:pearson_baseline
使用baseline为中心而非均值:
进一步定义引入一个shrinkage(收缩值),取0时无收缩。如果没有共同的user(item),相似度为0,而不是-1。
二:支持不同的评估准则
评估准则 | 准则说明 |
---|---|
1:rmse | Compute RMSE (Root Mean Squared Error).均方根误差 |
2:mae | Compute MAE (Mean Absolute Error).平均绝对误差 |
3:fcp |
Compute FCP (Fraction of Concordant Pairs).协调分数 |
1:rmse
2:mae
3:fcp
没看懂作者怎么解释