RMSE与nDCG评价推荐系统的差异？

Question

有人能给我一个例子，说明每种方法的工作原理，以及它们的错误度量有何不同？谢谢!

Answer 1

规范化贴现累积增益(NDCG)根据推荐实体的分级相关性来衡量推荐系统的性能。它从0.0到1.0不等，1.0表示实体的理想排名。这一指标通常用于信息检索和评价web搜索引擎的性能。

根均方误差(RMSE)可能是评价预测等级准确性最常用的指标。该系统为已知实际评级Rui的用户项对(u，i)的测试集T生成预测等级Rˆui。通常，Rui之所以为人所知，是因为它们隐藏在离线实验中，或者因为它们是通过用户研究或在线实验获得的。它在0.0到1.0之间变化，较低的值表示错误较少(因此“更好”)。

您更有可能看到包括RMSE在内的学术论文，虽然NDCG确实有它的位置，但您并不经常看到它，特别是当您正在检查具有强大的信息检索组件的推荐系统时。根均方误差并不是特定于应用程序的，因此在评估推荐系统的预测精度时，大多数学术文献都会包含这些误差。

这些信息是很容易通过Google访问的，所以在发布类似的问题之前，请在将来花点时间做一些研究。有大量的工作示例，公式在每个Wiki页面上都有清晰的描述，NDCG：DCG和RMSE：deviation。