使用RMSE和nDCG評估推薦系統的區別？

Question

難道有人能給我舉一個例子，說明每個人是如何工作的，以及他們的錯誤措施如何不同？謝謝！

Answer 1

標準化折扣累積收益（NDCG）根據推薦實體的分級相關性度量推薦系統的性能。它從0.0到1.0變化，1.0代表實體的理想排名。該度量標準通常用於信息檢索和評估網絡搜索引擎的性能。

均方根誤差（RMSE）可能是在評估預測評級準確性時使用的最受歡迎的度量標準 。系統生成預測評級 Rui對於已知其實際評級Rui的用戶項目對（u，i）的測試集合T。 通常，Rui是已知的，因爲它們隱藏在離線實驗中，或者因爲它們是通過用戶研究或在線實驗獲得的。它從0.0到1.0變化，較低的值表示較少的錯誤（因此「更好」）。

您很可能會看到學術論文包含RMSE，雖然NDCG確實有它的位置，但您並不經常看到NDCG，尤其是當您使用強大的信息檢索組件檢查推薦系統時。均方根誤差並非特定於應用程序，因此在評估推薦系統的預測準確度時，大多數學術文獻都傾向於將其納入其中。

此信息是容易通過谷歌訪問，所以請在未來花一些時間做一些研究，然後再發布這樣的問題。有大量的工作示例，公式詳細清楚地顯示在每個維基頁NDCG：http://en.wikipedia.org/wiki/Discounted_cumulative_gain#Normalized_DCG和RMSE：http://en.wikipedia.org/wiki/Root-mean-square_deviation。