基于用户的协同过滤K近邻算法评价答案

【问题标题】：Evaluation of user-based collaborative filtering K-Nearest Neighbor Algorithm基于用户的协同过滤K近邻算法评价
【发布时间】：2015-07-01 13:12:17
【问题描述】：

我试图找到协作 K 近邻算法的评估机制，但我很困惑如何评估该算法。我怎样才能确定这个算法所做的推荐是正确的还是好的。实际上，我还开发了一种算法，我想与它进行比较。但我不确定如何比较和评估它们。我使用的数据集是电影镜头的。

我们非常感谢您的人员帮助评估此推荐系统。

【问题讨论】：

标签： recommendation-engine nearest-neighbor collaborative-filtering

【解决方案1】：

评估推荐系统是其研究和行业社区的一大关注点。查看 Herlocker 等人的论文“评估协同过滤推荐系统”。发布 MovieLens 数据的人（明尼苏达大学的 GroupLens 研究实验室）也发表了许多关于 recsys 主题的论文，而且 PDF 通常在http://grouplens.org/publications/免费提供。

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

简而言之，您应该使用一种隐藏某些数据的方法。您将在部分数据（称为“训练数据”）上训练模型，并在模型从未见过的其余数据上进行测试。有一种正式的方法可以做到这一点，称为交叉验证，但可见训练数据与隐藏测试数据的一般概念是最重要的。

我还推荐 https://www.coursera.org/learn/recommender-systems，这是 GroupLens 人员教授的 Coursera 推荐系统课程。在该课程中，您将学习使用 LensKit，这是一个 Java 推荐系统框架，其中包括一个大型评估套件。即使您不参加该课程，LensKit 也可能正是您想要的。

【讨论】：