推荐系统

                
                
预测准确度
重要的推荐系统离线评测指标。
在计算该指标时需要有一个离线的数据集，该数据集包含用户的历史行为记录。然后，将该数据集通过时间分成训练集和测试集。最后，通过在训练集上建立用户的行为和兴趣模型预测用户在测试集上的行为，并计算预测行为和测试集上实际行为的重合度作为预测准确度。
评分预测
一般通过均方根误差（RMSE）和平均绝对误差（MAE）计算。对于测试集中的一个用户u和物品i，Rui是用户u对物品i的实际评分，而Rui是推荐算法给出的预测评分，那RMSE的定义为：
RMSE(均方根、标准差)：Root mean squared error
                
                
TOPN推荐
预测准确率一般通过准确率（precision）/召回率（recall）度量。
Ru是根据用户在训练集上的行为给用户作出的推荐列表，而Tu是用户在测试集上的行为列表。
召回率=（用户在推荐系统列表中的Tu（Ru和Tu的交集）/Tu（个人认为这里是Ru）
准确率=（用户在推荐系统列表中的Tu（Ru和Tu的交集）/Ru（个人认为这里是Tu）
召回率(Recall) = 系统检索到的相关文件 / 系统所有相关的文件总数
准确率(Precision) = 系统检索到的相关文件 / 系统所有检索到的文件总数