11、基于Apache Mahout的推荐引擎与欺诈异常检测

基于Apache Mahout的推荐引擎与欺诈异常检测

1. Apache Mahout推荐引擎评估

在构建推荐引擎时，我们需要确保返回的推荐是有意义的。最可靠的方法是在实际系统中对真实用户进行A/B测试，例如A组接收随机推荐的物品，B组接收推荐引擎推荐的物品。但这种方法并不总是可行或实际的，因此我们可以通过离线统计评估来进行估计。

一种常用的方法是使用k折交叉验证，将数据集划分为多个子集，一部分用于训练推荐引擎，其余部分用于测试其对未知用户的推荐效果。

Mahout实现了 RecommenderEvaluator 类，它将数据集分为两部分。默认情况下，90%的数据用于生成推荐，其余数据与估计的偏好值进行比较以测试匹配度。该类不直接接受推荐器对象，而是需要实现 RecommenderBuilder 接口的类来构建推荐器对象进行测试。

以下是具体实现步骤：
1. 创建一个实现 RecommenderBuilder 接口的类：

public class BookRecommender implements RecommenderBuilder  {
    public Recommender buildRecommender(DataModel dataModel) {
        UserSimilarity similarity = 
            new PearsonCorrelationSimilarity(model);
        UserNeighbor