如何评估 Apache Spark 中推荐的隐式反馈 ALS 算法？
How can I evaluate the implicit feedback ALS algorithm for recommendations in Apache Spark?
鉴于 隐式 "ratings" 可以变化，您如何评估 Apache Spark 的 隐式 反馈协同过滤算法从零到任何东西，所以简单的 MSE 或 RMSE 没有太大意义？
评估它的一种方法是将数据分成训练集和测试集，并进行时间切割。通过这种方式，您可以使用训练集训练模型，然后 运行 预测并根据测试集检查预测。
现在您可以使用 Precision、Recall、F1... 指标进行评估。
要回答这个问题，您需要返回定义什么是隐式反馈和 ALS 算法的原始论文 隐式反馈数据集的协同过滤
作者：Yifan Hu、Yehuda Koren 和 Chris Volinsky。
什么是隐式反馈？
在没有明确评分的情况下，推荐系统可以从更丰富的隐式反馈中推断用户偏好，通过观察用户行为间接反映意见。
隐式反馈可以包括购买历史、浏览历史、搜索模式，甚至鼠标移动。
相同的评估技术是否适用于此？比如RMSE，MSE。
重要的是要认识到我们没有关于哪些项目不受欢迎的可靠反馈。没有点击或购买可能与多种原因有关。我们也无法跟踪用户对我们的建议的反应。
因此，基于精度的指标，例如 RMSE 和 MSE，不是很合适，因为它们需要知道用户不喜欢哪些项目让它有意义。
但是，购买或点击某件商品表示对其感兴趣。我不会说喜欢，因为根据推荐者的上下文，点击或购买可能具有不同的含义。
因此在这种情况下适用以召回为导向的措施。所以在这种情况下，引入了几个指标，最重要的是平均百分比排名（MPR），也称为百分比排名。
MPR 值越低越好。随机预测的 MPR 期望值为 50%，因此 MPR > 50% 表示算法并不比随机更好。
当然，这不是评估具有隐式评级的推荐系统的唯一方法，但它是实践中最常用的方法。
有关此指标的更多信息，我建议您阅读上述论文。
好的，现在我们知道要使用什么了，但是 Apache Spark 呢？
Apache Spark 仍然没有为此指标提供开箱即用的实现，但希望不会持续很长时间。有一个 PR 等待验证 https://github.com/apache/spark/pull/16618 关于为 spark-ml 添加 RankingEvaluator。
实现起来并不复杂。有兴趣的可以参考代码here早日拿到
我希望这能回答你的问题。
鉴于 隐式 "ratings" 可以变化，您如何评估 Apache Spark 的 隐式 反馈协同过滤算法从零到任何东西，所以简单的 MSE 或 RMSE 没有太大意义？
评估它的一种方法是将数据分成训练集和测试集，并进行时间切割。通过这种方式，您可以使用训练集训练模型，然后 运行 预测并根据测试集检查预测。
现在您可以使用 Precision、Recall、F1... 指标进行评估。
要回答这个问题，您需要返回定义什么是隐式反馈和 ALS 算法的原始论文 隐式反馈数据集的协同过滤 作者：Yifan Hu、Yehuda Koren 和 Chris Volinsky。
什么是隐式反馈？
在没有明确评分的情况下，推荐系统可以从更丰富的隐式反馈中推断用户偏好，通过观察用户行为间接反映意见。
隐式反馈可以包括购买历史、浏览历史、搜索模式，甚至鼠标移动。
相同的评估技术是否适用于此？比如RMSE，MSE。
重要的是要认识到我们没有关于哪些项目不受欢迎的可靠反馈。没有点击或购买可能与多种原因有关。我们也无法跟踪用户对我们的建议的反应。
因此，基于精度的指标，例如 RMSE 和 MSE，不是很合适，因为它们需要知道用户不喜欢哪些项目让它有意义。
但是，购买或点击某件商品表示对其感兴趣。我不会说喜欢，因为根据推荐者的上下文，点击或购买可能具有不同的含义。
因此在这种情况下适用以召回为导向的措施。所以在这种情况下，引入了几个指标，最重要的是平均百分比排名（MPR），也称为百分比排名。
MPR 值越低越好。随机预测的 MPR 期望值为 50%，因此 MPR > 50% 表示算法并不比随机更好。
当然，这不是评估具有隐式评级的推荐系统的唯一方法，但它是实践中最常用的方法。
有关此指标的更多信息，我建议您阅读上述论文。
好的，现在我们知道要使用什么了，但是 Apache Spark 呢？
Apache Spark 仍然没有为此指标提供开箱即用的实现，但希望不会持续很长时间。有一个 PR 等待验证 https://github.com/apache/spark/pull/16618 关于为 spark-ml 添加 RankingEvaluator。
实现起来并不复杂。有兴趣的可以参考代码here早日拿到
我希望这能回答你的问题。