基于用户的协同过滤评估K-最近邻算法

Question

我试图找到协作K-最近邻居算法的评估机制，但我很困惑，我该如何评估这种算法。我怎样才能确定这个算法的建议是正确的还是很好的。其实我也开发了一个算法，我想与它比较。但我不知道我怎么能比较和评估他们两个。我使用的数据集是电影镜头。

你的员工对评估这个节制系统的帮助将受到高度赞赏。

Answer 1

评估推荐系统是其研究和行业社区关注的重点。参见Herlocker等人的论文“评估协作过滤推荐系统”。发布MovieLens数据的人（明尼苏达大学的GroupLens研究实验室）也发表了许多有关recsys主题的论文，并且PDF通常免费在http://grouplens.org/publications/。

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

总之，你应该使用隐藏一些数据的方法。您将在一部分数据（称为“训练数据”）上训练模型，并测试模型以前从未见过的其余数据。有一种称为交叉验证的正式方法，但可见的训练数据与隐藏的测试数据的一般概念是最重要的。

我也推荐https://www.coursera.org/learn/recommender-systems，这是CourseLens Group关于推荐系统课程的课程。在该课程中，您将学习使用LensKit，这是一个包含大型评估套件的Java推荐系统框架。即使你没有参加课程，LensKit也可能是你想要的。