推薦系統評測指標之RMSE MSE

# -*- coding:utf-8 -*-

fromloadmovielensimport*
importmath
'''評測指標
rmse:
均方根誤差
mae:
平均絕對誤差
'''defgetrmse(prefer1,prefer2):
rmse = 0
forkey1,valueinprefer1.items():
zonghe = 0
#迭代測試集，並與結果集進行比較
forkey,valueinprefer1[key1].items():
temp = pow(value - prefer2[key1][key],
2)#算兩點的平方
zonghe += temp
rmse += math.sqrt(zonghe)/len(prefer1[key1])
returnrmse/len(prefer1)
defgetmse(prefer1,prefer2):
mse = 0
forkey1,valueinprefer1.items():
zonghe = 0
#迭代測試集，並與結果集進行比較
forkey,valueinprefer1[key1].items():
temp = abs(value - prefer2[key1][key])#
計算兩點之間的絕對值
zonghe += temp
mse += zonghe/float(len(prefer1[key1]))
returnmse/float(len(prefer1))
if__name__=='__main__':
prefer1 = loadmovielenstest()
prefer2 = loadresult("d:/
資料集/movielens/result.txt")
#print getrmse(prefer1,prefer2)
printlen(prefer1)
printgetmse(prefer1,prefer2)

推薦系統之評測指標

前言 在接下來的一段時間，我將學習 推薦系統實踐 這本書，打算把每天學習的內容進行總結寫成部落格，今天是第一篇，主要內容是關於推薦系統的一些常見指標。1.推薦系統實驗方法 2.評測指標 2.1 使用者滿意度 2.2 準確度 準確度度量乙個推薦系統或者推薦演算法 使用者行為的能力，主要通過離線計算獲得...

推薦系統學習之評測指標

1.處理資料集 將使用者行為資料集按照均勻分布隨機分成m份，挑選乙份作為測試集，剩下的m 1份作為訓練集 import random def splitdata data,m,k,seed test train random.seed seed for user,item in data if ra...

推薦系統的評測指標

準確度度量乙個推薦系統或者推薦演算法 使用者行為的能力。這個指標是最重要的推薦系統離線評測指標，從推薦系統誕生的那一天起，幾乎99 與推薦相關的 都在討論這個指標。這主要是因為該指標可以通過離線實驗計算，方便了很多學術界的研究人員研究推薦演算法。但是上面的定義過於粗略。覆蓋率為 100 的系統可以有...