python - 如何计算精度和召回率以评估推荐系统中基于内容的过滤
问题描述
我为电影推荐系统建立了一个模型。我有一个我推荐给用户的 5 部电影的列表。例如,user_id 1 已经看过电影(2,3 和 4),系统会建议他可能感兴趣的其他 5 部电影。为此,我想使用召回率、精度、新颖性和偶然性指标来评估我的系统。有人可以帮助我如何在 python 中做到这一点吗?
解决方案
推荐阅读
- android - 光标无法使用“where”查询检索数据
- log4j - log4j:错误无法实例化附加程序
- azure - 从 AZ-900 中删除容错主题的意义
- r - Caret 的 rfe 使用配方引发 rbind deparse 错误:参数的列数不匹配
- python - 如何删除熊猫(python)中特殊行下的所有行?
- google-sheets - Google 表格中的复杂条件格式
- python-2.7 - 使用 Python 2.7 引发属性错误的多处理
- kubernetes - ipython 在 Kubeflow Pod 中以“语法错误:文件结尾意外”终止,但在 Docker 容器中没有发生
- sql - SQL Server XML - 在现有节点中嵌入数据集
- amazon-web-services - 如何阻止人们下载我的 Amazon S3 视频文件