聚合精度和召回的实际重要性是什么？

Question

我的工作是电影100 K电影数据推荐系统。我把数据分为测试和训练，计算精确性和召回率。在测试中，随机选择了超过10K的用户。我能够找到一个个人用户的精确性和召回。

我想知道:聚合的精确性和召回有什么实际意义吗？

Answer 1

您将看到学术论文中所报告的精确/召回结果，而不是10,000个不同的P/R结果。在这方面，它给读者一个非常普遍的感觉RS的性能。通常，您将看到精确/召回表示为曲线(如此处所示：http://www.cs.washington.edu/ai/mln/images/image001.png)。您通常会发现，在Recall = 1时，精度很低，而在精度= 1的地方，召回率较低。您可以很容易地从您的10,000个结果创建这些曲线之一的Excel或谷歌工作表。

正如注释中提到的，F-度量值是一种结合P/R生成平均值的方法，尽管在“吹嘘”F度量之前，您需要了解F度量的局限性。根据应用程序域的不同，为精确性或召回量设置某种权重并不少见，因此请注意基本F度量是平衡的(精确性和召回性都被视为同等重要)。

接收机算子特征(characteristic)也常用于侧P/R曲线和f-测度在推荐系统评价中的应用.如果您正在寻找额外的学分，那么我建议使用多种方法来评估RS性能，如P/R曲线、F度量、AUC和ROC。