关于LFM模型准确性判断的问题
来源：2-5 LFM模型训练
慕圣9121048
2021-05-20
1.老师，关于最终训练的损失函数中，按照您给的参数，我使用比较小的数据集，迭代时损失函数的值会先减少，后增大，原因是正则化项的增长速度过大，例如正则化参数设定为0.01时，会出现这样的情况，但是要解决这种问题需在保持其他条件不变的情况下，将正则化参数降低至0.0001才能解决，而降低至0，0001这种行为对模型有没有太大的影响呢？
2.LFM算法最终得出的推荐结果，有没有什么方法可以解释该模型的推荐准确度呢？单纯肉眼查看推荐结果与行为结果的相似性，是不是缺少原理解释性呢？如果使用rsme去测试准确率，其标准要低于多少才算ok呢？
写回答
1回答
-
David
2021-05-20
1.先减少，后增大，可以采用early stopping。就是再增大的过程中就停止迭代了。不过根源还是训练不充分。正则化参数特别小就是没有正则化。可以根据训练结果来调。
2.可以采用测试集合推荐准确率来衡量，推荐的结果中，与测试集合中用户真正展现的交集作为分母，分母中被点击过的做分子。这个值大于50% 就可以上线AB测试看效果。012021-05-20
相似问题