1.推荐系统的实验方法

1.1 离线实验 offline experiment

即收集用户行为数据集，并分为训练集和测试集，在训练集上训练用户兴趣模型，在测试集上进行预测——通过事先定义的离线指标评测算法在测试集上的预测结果。

offline experiment的缺点是无法获得很多商业上关注的指标，比如点击率、转化率等。罗列其优缺点如下：

为什么叫离线实验:因为只要拿到数据即可。不需要用户参与实验。不需要对系统的控制权

1.2 用户调查

即调查问卷。注意提供用户对于同一个事要在不同的维度的评价。

1.3 在线测试

在线AB测试
即分成不同的组进行对照试验。
在线看推荐系统的优略。

优点 :数据真实
缺点 :即使数据比较大,但是比较难去收集数据。时间比较长

1.4 总结

一般要通过离线实验证明很多离线指标优于现有算法；
调查问卷证明用户满意度不低于现有算法(准确度高不一定满意度高)；
通过在线的AB测试确定其商业指标优于现有算法；

如果作为一个推荐系统的算法工程师的化那么大部分时间都是做离线实验

2. 评测指标

评测指标主要有 预测准确度(评分预测、topN推荐)、覆盖率、多样性、新颖性、惊喜度、用户满意度、信任度、实时性、健壮性、商业目标 等。有些可以定量计算，有些则只能定性描述。

如果想了解推荐系统的话可以点下面的网站

推荐系统介绍

1.推荐系统的实验方法1.1 离线实验 offline experiment即收集用户行为数据集，并分为训练集和测试集，在训练集上训练用户兴趣模型，在测试集上进行预测——通过事先定义的离线指标评测算法在测试集上的预测结果。offline experiment的缺点是无法获得很多商业上关注的指标，比如点击率、转化率等。罗列其优缺点如下：为什么叫离线实验:因为只要拿到数据即可。不需要用户参与... 在介绍 推荐系统 指标之前，首先看一下计算和获得这些指标的主要 实验 方法 。在 推荐系统 中，主要有三种评测推荐效果的 实验 方法 ，即离线 实验 （offline experiment）  用户调查（user study）和在线 实验 （online experiment） .  1.  离线 实验 （1） 通过日日志收集用户行为数据，并按照一定的格式生成一个标注的数据集。   （2）按照一定的规则将数据集划分为... 推荐算法的准确性是指 推荐系统 能够准确地预测用户的兴趣和行为。为了评估算法的准确性，可以采用以下 方法 ： - 离线评估：使用历史数据集进行推荐，然后通过一些评估指标（如准确率、召回率等）来评估 推荐系统 的准确性。 - 用户调查：通过用户调查来了解用户对推荐结果的满意度和准确性。 - A/B测试：将用户随机分成两组，对照组使用原有系统， 实验 组使用新算法，然后比较两组用户的反馈和行为数据，来评估新算法的准确性和效率。 2. 评估 推荐系统 的用户体验和用户满意度 推荐系统 的用户体验和用户满意度是指用户在使用 推荐系统 时的感受和反馈。为了评估 推荐系统 的用户体验和用户满意度，可以采用以下 方法 ： - 用户调查：通过用户调查来了解用户对 推荐系统 的满意度和体验。 - 用户行为分析：通过用户行为数据来了解用户在使用 推荐系统 时的行为和反馈。 - 用户反馈：通过用户反馈来了解用户对 推荐系统 的看法和建议。 综上所述，电影 推荐系统 的测试 方法 需要综合考虑算法的准确性和效率以及用户体验和用户满意度，采用多种 方法 进行评估和测试。 Greetings_Z: 我有两个疑问， 1、client获取所有服务的作用是什么呢？ 在health方法执行完后，并没有看到对服务列表进行其它操作（比如保存），只是返回了一个Health对象。 难道只是做健康检查使用的吗？ 2、定时更新Client的注册表，Client注册表第一次获取的时机在什么地方呢？ 望楼主指点一下迷津。 SpringMvc纯注解开发_入门篇 小乾500: 弄了一晚上终于找到了靠谱的帖子 哭死