基於用戶的協同過濾評估K-最近鄰算法

Question

我試圖找到協作K-最近鄰居算法的評估機制，但我很困惑，我該如何評估這種算法。我怎樣才能確定這個算法的建議是正確的還是很好的。其實我也開發了一個算法，我想與它比較。但我不知道我怎麼能比較和評估他們兩個。我使用的數據集是電影鏡頭。

你的員工對評估這個節制系統的幫助將受到高度讚賞。

Answer 1

評估推薦系統是其研究和行業社區關注的重點。參見Herlocker等人的論文「評估協作過濾推薦系統」。發佈MovieLens數據的人（明尼蘇達大學的GroupLens研究實驗室）也發表了許多有關recsys主題的論文，並且PDF通常免費在http://grouplens.org/publications/。

結賬https://scholar.google.com/scholar?hl=en&q=evaluating+recommender+systems。

總之，你應該使用隱藏一些數據的方法。您將在一部分數據（稱爲「訓練數據」）上訓練模型，並測試模型以前從未見過的其餘數據。有一種稱爲交叉驗證的正式方法，但可見的訓練數據與隱藏的測試數據的一般概念是最重要的。

我也推薦https://www.coursera.org/learn/recommender-systems，這是CourseLens Group關於推薦系統課程的課程。在該課程中，您將學習使用LensKit，這是一個包含大型評估套件的Java推薦系統框架。即使你沒有參加課程，LensKit也可能是你想要的。