我在用户项目事务数据集上构建了一个推荐模型,其中每个事务由 1 表示。
model = LightFM(learning_rate=0.05, loss='warp')
这是结果
Train precision at k=3: 0.115301
Test precision at k=3: 0.0209936
Train auc score: 0.978294
Test auc score : 0.810757
Train recall at k=3: 0.238312330233
Test recall at k=3: 0.0621618086561
谁能帮我解释一下这个结果?我是如何获得如此好的 auc 分数和如此糟糕的精度/召回率的?对于“bpr”贝叶斯个性化排名,精确度/召回率变得更糟。
预测任务
users = [0]
items = np.array([13433, 13434, 13435, 13436, 13437, 13438, 13439, 13440])
model.predict(users, item)
结果
array([-1.45337546, -1.39952552, -1.44265926, -0.83335167, -0.52803332,
-1.06252205, -1.45194077, -0.68543684])
如何解释预测分数?
谢谢