Mahout - 推荐评估员返回0.0

Question

好吧，我对Mahout和java非常新。 我正在尝试评估推荐器，无论我使用的距离度量或簇大小，下面的代码都会返回0.0。 显然，它根本没有拆分训练和测试数据，我不知道为什么。

任何有关此代码的帮助表示赞赏！

public class Example {
public static void main(String[] args) throws Exception {

 final DataModel model = new FileDataModel(new File("FILENAME")) ;
  RecommenderEvaluator evaluator = new AverageAbsoluteDifferenceRecommenderEvaluator();
  RecommenderBuilder recommenderBuilder = new RecommenderBuilder() {
      @Override
      public Recommender buildRecommender(DataModel dataModel) throws TasteException {
          UserSimilarity similarity = new PearsonCorrelationSimilarity(model);
          ClusterSimilarity clusterSimilarity = new NearestNeighborClusterSimilarity(similarity);
          TreeClusteringRecommender tree = new TreeClusteringRecommender(model, clusterSimilarity, 50);
          return tree;
      }
  } ;
double score = evaluator.evaluate(recommenderBuilder, null, model, .7, 1.0);
    System.out.println(score);
    }
}

谢谢！

Answer 1

我相信这是因为您将模型作为buildRecommender方法中的参数传递。 在将DataModel传递给PearsonCorrelation，NearestNeighborClusterSimilarity等内容时，必须在该方法中使用dataModel。

如果不这样做，您最终会评估包含所有首选项的数据模型，这意味着它将尝试估计首选项，发现它已存在并返回该值。 因此，您将始终拥有完美的推荐，因为DataModel模型已经知道了首选项。

Answer 2

来自mahout文档，

自由软件网站建设 ： org.apache.mahout.cf.taste.eval.DataModelBuilder，org.apache.mahout.cf.taste.model.DataModel，double，double）

evaluate（）返回：一个“得分”，表示推荐者的估计偏好与实际值的匹配程度; 较低的分数意味着更好的匹配，0是完美的匹配

我猜你没事。