MovieLens 100k数据集的评估

Question

我正在研究ML_100k数据集，以便使用CF进行预测。但是我坚持评估步骤（准确性，召回率等）。 我没有使用整个训练集，而是使用聚类将训练集分为三类：Interesting（Rating = 4,5）.Uninteresting（Rating = 1,2）.NotInNorUn（Rating = 3）。

下面给出了一些步骤以便更好地理解：

1. 将数据集拆分为训练和测试集。
2. 使用聚类根据等级将训练集分为三类。
3. 然后使用PCC或CF（基于用户）方法分别找到类别（如上所述）之间的相似性。

我需要有关评估发现准确性，召回性和准确性的帮助。 如何对这类数据进行评估？

到目前为止，我发现下面给出了它，但是没有给出预期的结果。

for user in predicted_dictionary:
        if user in total_test:
            for item in predicted_dictionary[user]:
                    if item in total_test[user]:
                        tp += 1
                    else:
                        fp += 1
            fn += float(
                set(total_test[user]).__len__() - (set(total_test[user]) & set(predicted_dictionary[user])).__len__())
    try:
        recall = tp / (tp + fn)
        precision = tp / (tp + fp)
        f1_measure = (precision * recall) / (precision + recall)
        return recall, precision, f1_measure
    except:
        return 0, 0, 0