推荐系统Surprise--度量准则与评估标准

一：Surprise中基于近邻的方法(协同过滤)可以设定不同的度量准则。具体如下：

相似度度量标准	度量标准说明
1：cosine	用户（items）之间的cosine 相似度
2：msd	用户（items）之间的均方差误差
3：pearson	用户（items）之间的皮尔逊相关系数
4：pearson_baseline	计算用户（item）之间的（缩小的）皮尔逊相关系数，使用基准值进行居中而不是平均值。

1：cosine点击打开链接

2：msd

3：pearson

Pearson相关系数可以看作是一个以平均值为中心的余弦相似度

4：pearson_baseline

使用baseline为中心而非均值:

进一步定义引入一个shrinkage（收缩值），取0时无收缩。如果没有共同的user（item），相似度为0，而不是-1。

二：支持不同的评估准则

评估准则	准则说明
1：rmse	Compute RMSE (Root Mean Squared Error).均方根误差
2：mae	Compute MAE (Mean Absolute Error).平均绝对误差
3：fcp	Compute FCP (Fraction of Concordant Pairs).协调分数

1：rmse

2：mae

3：fcp

 没看懂作者怎么解释