评估推荐系统 - 在x种情况下无法进行推荐

Question

我正在更详细地探索Mahout in Action中的一些代码示例。我已经构建了一个小测试，用于计算应用于我的数据的各种算法的RMS。

当然，多个参数会影响RMS，但我不理解在评估时生成的“无法推荐某些情况”的消息。

查看StatsCallable.java，当评估器遇到NaN响应时，将生成此消息；也许是训练集中的数据不足或用户的偏好不足以提供推荐。

RMS得分似乎不会受到非常大的“无法推荐”情况的影响。这个假设正确吗？除了我的整体训练集之外，我是否应该评估我的算法还评估“无法推荐”情况的比率？

我会感激任何反馈。

- Mike Smith

Answer 1

是的，这基本上意味着没有任何数据可用于估计。这通常是数据稀疏的症状。它应该很少发生，只会发生在数据非常小或与其他用户断开连接的情况下。

我个人认为，除非这占比例很大（20%以上？），否则这并不是什么大问题。如果您无法为许多用户生成任何推荐，那么我会更担心。

- Sean Owen

---

Sean - 我想回复并感谢你的回复。我最终进行了一系列测试，并发现对于我的数据集，Pearson表现最差，而Log Likelihood是最好的基于用户的推荐。通常，我的数据中有10％属于“无法推荐”类别，但对于Pearson来说，这个数字更像是20％。无论如何，为了进行苹果与苹果的比较，我最终将无法推荐的数据因素纳入我的RMS得分中，以公平地比较所有推荐者。 - Mike Smith

皮尔逊相关系数在某些边缘情况下是未定义的，例如当两个人仅在一个项目上重叠时。在稀疏数据中，这并不罕见。对于这些情况，对数似然至少是有定义的。（它是更好的默认值。）结果并不让我感到惊讶。 - Sean Owen