评估基于项目的协作过滤对二进制（是/否）产品建议的性能

Question

我正在尝试为产品推荐编写基于项目的协同过滤的代码。输入将买方作为行和产品作为列，使用简单的0/1标记来指示买方是否已购买物品。输出是给定购买的类似项目的列表，按余弦相似性排列。

我正在尝试衡量一些不同实现的准确性，但我不确定最佳方法。我发现大多数文献都提到使用某种形式的均方误差，但是当你的协同过滤算法预测评级（例如5星中的4星）而不是推荐用户将购买哪些项时，这似乎更适用。

我正在考虑的一种方法如下......

• 将数据分成训练/训练集，训练训练数据
• 对于集合中的每个项目（A），从用户购买A的保留集中选择数据
• 确定哪个百分比的A-买家购买了A-buyer的前3个推荐之一

上述内容似乎有点随意，但我认为在对相同数据进行训练时比较两种不同的算法可能很有用。

Answer 1

实际上你的方法与文献相似，但我认为你应该考虑使用召回和精确度，就像大多数论文一样。

http://en.wikipedia.org/wiki/Precision_and_recall

此外，如果你将使用Apache Mahout，这个类中有一个召回和精确的实现; GenericRecommenderIRStatsEvaluator

Answer 2

测试推荐器的最佳方法是始终手动验证结果。但是某种自动验证也很好。

根据推荐系统的精神，您应该及时分割数据，并查看您的算法是否可以预测用户将来购买的内容。这应该为所有用户完成。

不要指望它可以预测一切，100％的正确性通常是过度拟合的标志。