推荐系统中的召回率与准确率

转自：https://blog.csdn.net/shenxiaoming77/article/details/80746748

准确率，顾名思义，就是准确程度。通过正确数/总数得到。而正确数是什么，总数是什么呢？

召回率，我们可以理解为找到的数目与总的需要我们找到的数目的比，那在推荐系统中，什么是找到的数目，什么是需要我们总的找到的数目呢？

令R(u)表示在根据训练数据给用户做出的推荐列表，T(u)表示用户根据测试数据给用户做出的推荐列表，则

召回率：

准确率：

                          

精确率是针对我们 预测结果而言的，它表示的是预测为正的样本中有多少是真正的正样本，例如我们给用户推荐了100条新闻，其中10条用户产生了点击，那么准确率为10/100 = 0.1
而 召回率是针对我们 原来的样本而言的，它表示的是样本中的正例有多少被预测正确了， 例如 我们给用户推荐了100条新闻，其中10条用户产生了点击，而用户最终在平台上总共点击了200条新闻，那么召回率为10 / 200 = 0.05， 表示的是推荐系统推荐的那些符合用户兴趣并产生点击的新闻量占了用户实际总共点击的新闻 有多少比例 

其实就是分母不同，一个分母是预测为正的样本数，另一个是原来样本中所有的正样本数。但分子都是表示预测的正样本与原来正样本的交集。

在信息检索领域，精确率和召回率又被称为查准率和查全率，

查准率＝检索出的相关信息量 / 检索出的信息总量
查全率＝检索出的相关信息量 / 系统中的相关信息总量