推荐系统实践第1章总结

什么是推荐系统

章内公式总结

% MathType@MTEF@2@1@+=
% feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
% hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
% 4rNCHbWexLMBbXgBd9gzLbvyNv2CaeHbl7mZLdGeaGqiVu0Je9sqqr
% pepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9vqaqpepm0xbba9pwe9Q8fs
% 0=yqaqpepae9pg0FirpepeKkFr0xfr=xfr=xb9adbaqaaeGacaGaai
% aabeqaamaabaabauaakeaacaWGsbGaamytaiaadofacaWGfbGaeyyp
% a0ZaaOaaaeaadaWcaaqaamaaqaeabaWaaSbaaSqaaiaadwhacaGGSa
% GaamyAaiabgIGiolaadsfaaeqaaOGaaiikaiaackhadaWgaaWcbaGa
% amyDaiaadMgaaeqaaOGaeyOeI0IabiOCayaajaWaaSbaaSqaaiaadw
% hacaWGPbaabeaakiaacMcadaahaaWcbeqaaiaaikdaaaaabeqab0Ga
% eyyeIuoaaOqaamaaemaabaGaamivaaGaay5bSlaawIa7aaaaaSqaba
% aaaa@583B@
\[RMSE=\sqrt{\frac{\sum{_{u,i\in T}{{({{r}_{ui}}-{{{\hat{r}}}_{ui}})}^{2}}}}{\left| T \right|}}\]     

     RMSE：评分预测准确度量度(之一)

T：选取的样本的总的数目。    

                                                          u:用户。

                                                          i:物品。

   ：用户u对物品i的实际评分。

 ：推荐算法给出的预测评分。

MAE：评分预测准确度量度(之二)

Recall:召回率，或许理解为查全率更好一些。

R(u):用户在训练集上的行为给用户作出的个性化推荐列表。

T(u)：用户在测试集上的行为列表

准确率：

覆盖率：

（该公式定义过于粗略）

覆盖率描述一个推荐系统对物品长尾的发掘能力。

I:代表着总的物品的数目。

严格定义覆盖率：(1)香农信息熵

P(i):物品i的流行度初一所有物品流行度之和

(2)

基尼系数

:按照物品流行度p()从小到大排序的物品列表中的第j个物品。

多样性：

用户u的推荐列表的多样性

S(I,j):物品i和j之间的相似度。

所有用户推荐列表多样性的平均值。