推荐系统常用的评价指标

参考文章1

TP：预测为正，实际为正
FP：预测为正，实际为负
TN：预测为负，实际为负
FN：预测为正，实际为负

T：true；F:false.即预测结果的真假
P:positive；N:negative.即正样本和负样本

精准率（precision/accuracy）（查准率）：TP/（FP+TP)
意义：
预测为正的样本中真正为正的样本所占的比例
推荐的产品有多少都是用户想要的

召回率（call）(查全率）：TP/(TP+FN)
意义：
实际为正的样本被正确预测的概论
用户想要的产品被推荐的够不够全

混淆矩阵

ROC

AUC

roc曲线与坐标轴围成的面积

简单算法

NDCG@K（Normalized Discounted Cumulative Gains）归一化累计折损收益

CG：
累计收益

DCG：
累计收益+顺序

分数高+排名前：DCG得分高(实至名归）

IDCG：
理想顺序下的DCG：即得分高的排名也靠前

NDCG@K:
归一化的DCG，便于跨数据集比较
0<NDCG@K<1

注意：K:需要评估前k个item

MRR(Mean Reciprocal Rank)

正确检索结果值在检索结果中的排名来评估检索系统的性能。

ranki:推荐序列中第一个推荐正确的item的排名