版块导航: 正在加载中...

登录注册

应《网络安全法》要求，自2017年10月1日起，未进行实名认证将不得使用互联网跟帖服务。为保障您的帐号能够正常使用，请尽快对帐号进行手机号验证，感谢您的理解与支持！

24小时热门版块排行榜

返回列表

sjtu2012

银虫 (著名写手)

应助: 15 (小学生)
金币: 487.6
散金: 19
红花: 27
帖子: 1345
在线: 200.9小时
虫号: 1459561
注册: 2011-10-25
专业: 应用数学方法

[交流] 智能推送，智慧推送等推荐算法已经有很多了，怎么判断比较各种算法的好坏呢？已有1人参与

有测试各种已有算法的公共Benchmark测试平台吗？

回复此楼

» 收录本帖的淘帖专辑推荐

ML相关

» 猜你喜欢

» 本主题相关价值贴推荐，对您同样有帮助:

群智能算法和数据挖掘类论文投稿期刊推荐求助已经有13人回复

1楼 2014-09-17 11:09:33

已阅回复此楼关注TA 给TA发消息送TA红花 TA的回帖

无人机

新虫 (正式写手)

应助: 3 (幼儿园)
金币: 265.4
红花: 4
帖子: 301
在线: 55小时
虫号: 1518148
注册: 2011-12-01
专业: 电机与电器

★
小木虫: 金币+0.5, 给个红包，谢谢回帖

1）评价推荐系统优劣的方法

mahout中提供了为用户推荐物品的工具，但如何评价推荐的item是否和实际情况相符合。在机器学习和AI领域，习惯的是利用一部分数据作为训练集数据，而留出一部分实际用户喜好的数据作为测试集数据，通过估计出的值与实际测试值之间的均差、均方根等方法下的大小来评判，通常是值越小说明推荐的情况和实际值越接近，若其值为0说明完全吻合。
由于评判通过推荐系统得出的估计值和实际值之间的得分（通过均差、均方根等得到）直接关系到推荐系统的优劣，所以这里就有必要对此作出必要分析（由于均差方式简单，这里就以它为例）。
      Item1       Item2       Item3
实际值       3.0       5.0       4.0

估计值       3.5       2.0       5.0

差值       0.5       3.0       1.0

均差       = （0.5 + 3.0 + 1.0）/ 3 = 1.5
上面就展示了评价已定推荐系统根据均差方法测定其得分的过程，由于存在Item2，导致该系统得分偏高。当然在项目中自己也可以通过代码测试系统的得分（即优劣）。

2）下面的代码可以评估推荐系统的性能：
package com.loogn.valuaterecommender;

import org.apache.mahout.cf.taste.impl.model.file.*;//FileDataModel

import org.apache.mahout.cf.taste.model.*;//DAtaModel

import org.apache.mahout.cf.taste.impl.neighborhood.*;

import org.apache.mahout.cf.taste.impl.recommender.*;

import org.apache.mahout.cf.taste.impl.similarity.*;

import org.apache.mahout.cf.taste.neighborhood.*;

import org.apache.mahout.cf.taste.similarity.*;

import org.apache.mahout.cf.taste.recommender.*;

import org.apache.mahout.common.RandomUtils;

import org.apache.mahout.cf.taste.impl.eval.*;

import org.apache.mahout.cf.taste.eval.*;

import org.apache.mahout.cf.taste.common.TasteException;

import java.io.*;

public class ValuateRecommender {

/**

   *

   * @param args

   * @throws Exception

   */

public static void main(String[] args) throws Exception{

      /**

      * 只用于结果可重复的例子

      */

      RandomUtils.useTestSeed();

      /**

      * 加载数据文件

      */

      DataModel model = new FileDataModel(new

            File("C:\\Users\\ZhouQiang\\Desktop\\my own task\\intro.csv"

);



      /**

      * 创建评价器

      */

      RecommenderEvaluator evaluator = new

      AverageAbsoluteDifferenceRecommenderEvaluator();



      /**

      * 建立推荐系统

      */

      RecommenderBuilder builder = new RecommenderBuilder() {

         @Override

         public Recommender buildRecommender(DataModel model)

            throws TasteException {

            UserSimilarity similarity = new PearsonCorrelationSimilarity(model);

            UserNeighborhood neighborhood = new

                  NearestNUserNeighborhood(3,similarity,model);

            return

                  new GenericUserBasedRecommender(model,neighborhood,similarity);

         }

         };



         /**

         * 70%的数据作训练集，剩下30%的数据作测试集

         */

         double score = evaluator.evaluate(builder, null, model, 0.7, 1.0);

         System.out.println("评价得分：" + score);       // 输出评价得分



      }

}

赞一下