推荐算法：推荐系统的评估

• 用户调查
• 在线评估：A/B test
• 离线评估

---

1.在线评估

• 将真实线上用户分组，对不同的组采用不同的方案

  1. 同时运行，两个或者两个以上的方案
  2. 两个方案，只有一个变量不同
  3. 有明确的评价指标
  4. 试验中用户，从始而终，只接触一个方案

• ABtest最常用的场景是 网页优化，测评指标：单击率，转化率等；

• Myspace：ABtest，使用指标单击率

• YouTube：ABtest；指标：单击率，长单击率，会话时间，观影前，覆盖率

  在线指标

  1. 单击率：推荐影片中，单击的电影，占比
     设：系统向用户 i 推荐电影n，这些影片中，单击浏览影片的个数是 m ;则，测试期间，该用户的单击率是 pi=mn ;设用户数量是 U , 则A/B测试中的单击率指标

     P(U)=1U∑uPu

  2. 转换率
     a. 电商：推荐销售额和总体销售额的比率；
     b. 电影：单击量或者播放时长，与总体单击量或者时长的比率；

---

2. 离线测评

数据集

• 20%的测试集，80%的训练集合

准确度指标

• 评分准确度
  
  1. MAE（mean absolute error; 平均绝对误差法）
     MAE=1|Ep|∑(u,a∈Ep)|rua−r′ua|

其中： Ep 是测试数据集合；

• 预测评分关联度：推荐系统的预测评分和真实评分未必接近，只有趋势相同就好
  （少用）

排序准确度(TopN)

• 排序准确度：有序推荐表和用户对物品排序的统一程度

  RSua=IuaLu

Lu 是视频推荐系统中用户 u 待推荐的列表大小；离线测试，用户 u 在测试集中影片数量+未打分的影片数量
Iua 是 预测影片 a 在用户推荐列表中的排名

平均准确度指标

• 推荐排序的好坏

AP@x=∑i=1x(predictioni∗(changeinrecall)i)

• 例如：某用户喜欢的项目 1 2 3 4 5； 推荐给用户的项目： 6 4 7 1 2；推荐给用户Top2：[6 4]

AP@2=(prediction1∗(changeinrecall1)+(prediction2∗(changeinrecall2)))=0∗0+0.5∗0.5=0.25

MAP是AP的值，计算后再求平均

NDCG

http://blog.csdn.net/u014313009/article/details/38944687
* 衡量相关度的排序质量评价指标；

CGP=∑i=1preli
推荐结果的相关度相加（未考虑排序）

DCGP=reli+∑i=1p2relilog2(i)
排名顺序加权

NDCGp=DCGpIDCGp
DCGP 的归一化

比如在Google搜索到一个词，得到5个结果。我们对这些结果进行3个等级的区分：Good、Fair、Bad，对应的分值分别是3、2、1。假设这5个结果的分值分别是3、1、2、3、2。

* reli 就是第 i 个结果的得分。

---

3. 分类的准确度

用户喜欢	推荐	不推荐
喜欢	N(tp)	N(tn)
不喜欢	N(fp)	N(fn)

* N(tp): 用户喜欢；推荐。
* N(tn): 用户喜欢；没推荐
* N(fp)：用户不喜欢；推荐；
* N(fn)：用户不喜欢；不推荐

准确率

Pu=NtpNtp+Nfp

所有用户求平均
P=1M∑uPu

召回率

Ru=NtpNtp+Ntn

所有用户求平均
R=1M∑uRu

• 准确率就是A/(A+B) 大白话就是“你的预测有多少是对的”
• 召回率就是A/(A+C) 大白话就是“正例里你的预测覆盖了多少”

F

F=(a2+1)∗P∗Ra2(P+R)

a=1 => F1=2∗P∗RP+R

AUC

• PRF是针对二分问题
• 对于只有评分的系统，绘制ROC曲线，计算AUC（AUC表示ROC曲线下的面积）

---

3. 多样性指标

覆盖率

多样性

新颖性