machine-learning - 评估推荐系统的选项
问题描述
我创建了一个以这种方式工作的推荐系统:
- 每个用户选择一些过滤器,并根据这些过滤器生成一个分数
- 每个用户都使用基于这些分数的 k-means 进行聚类
- 每当用户收到建议时,我都会使用 pearson 的相关性来查看哪个用户与同一集群中的其他用户具有最佳相关性
我的问题是我不确定评估这个系统的最佳方法是什么?我已经看到一种方法是隐藏数据集的一些值,但对我来说并非如此,因为我没有预测分数。
有什么指标或我可以使用的东西吗?
解决方案
推荐阅读
- c# - 如何从列表中的多列添加字符串值
c# windows 窗体 - typescript - 如何配置 TypeScript 编译器以使用新环境中的特定附加语法来定位一个环境?
- css - 在手机上查看时如何更改图像的高度
- c# - Cosmos DB 参数化 SQL 查询不适用于双引号参数
- material-ui - 使用 Material-UI 和 create-react-app (react 16)
- python - 如何在kivy中只接受数字输入(双)
- firebase - Flutter Firestore:getToken由于令牌更改而中止
- javascript - 将图像缓冲区转换为 base64
- html - Flex col 增长到与最大高度相同的高度
- sql - 为什么要使用相关子查询?