评估数据集分为三个子集以进行预测

Question

我正在处理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，而是将训练集分为三个类别（子集）并进行评分：

1. 兴趣（Rating = 4,5）
2. 不感兴趣（评分= 1,2）
3. NotInNorUn（Rating = 3）

下面给出了一些步骤以便更好地理解：

数据集分为训练和测试集。 使用聚类将训练集基于等级划分为三个类别（子集）。 然后使用PCC或CF（基于用户）方法分别查找类别（子集）上的相似性。 我需要有关评估发现accuracy，recall，precision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