uda*_*hny 2 similarity collaborative-filtering mahout
我正在使用Mahout构建一个基于用户的推荐系统,该系统使用布尔数据进行操作.
我使用GenericBooleanPrefUserBasedRecommender,NearestNUserNeighborhood现在试图决定最合适的用户相似度函数.
有人建议使用LogLikelihoodSimilarity或TanimotoCoefficientSimilarity.我试过这两种情况,并在两种情况下得到[主观评估]有意义的结果.但是,LogLikehood对同一数据集的RMSE评级更好.在这两种情况下,"无推荐"的数量相似.
任何人都可以推荐哪种相似功能最适合这种情况？
(我是开发人员.)如果我被困在荒岛上只有一个没有评级/优先级的数据的相似度量,那么它就是对数似然.我通常认为它是更好的相似性度量.
您正在进行的测试的问题是,或许根本不是,这对于这种推荐器/数据没有意义.RMSE是均方根误差,它比较了保持测试数据的实际与预测评级.但你没有评级.他们都是"1.0".真的,RMSE总是0!
它不是,因为要有任何排名,这些推荐人将按相似性的一些有意义的功能排名.但他们根本没有估计评级/优先级.所以,RMSE意味着蹲在这里.
在我看来,你能真正使用的唯一指标是精确/召回测试.即使这是有问题的.这本书和更有趣的主题都包含在一本我将无耻地推广的书中:Mahout in Action
| 归档时间： |
|
| 查看次数： |
2721 次 |
| 最近记录： |