Gracias por el A2A .
Las calificaciones unarias son principalmente comentarios implícitos que asociamos de un usuario a un elemento determinado. Una de las métricas que usaría para evaluar tales sistemas de recomendación es calcular la precisión de las clasificaciones estimadas, ya sea con medidas basadas en la utilidad o con la característica de operación del receptor (ROC).
Charu Aggarwal aborda esos métodos de una manera muy bien explicada en Recomendaciones de sistemas: el libro de texto. Si tiene una copia del libro, eche un vistazo al capítulo 7, sección 5.3 – Clasificación de evaluación a través de la utilidad y sección 5.4 – Evaluación de la clasificación a través de la característica de funcionamiento del receptor.
- ¿Cuáles son las mejores bibliotecas de aprendizaje automático?
- ¿Cuál es un buen tema para una tesis de licenciatura en Análisis de sentimientos?
- En el aprendizaje automático, ¿un 'espacio de características' es lo mismo que un 'espacio vectorial'?
- ¿Qué es más realista en el futuro: una muy buena comprensión de cómo diseñar sistemáticamente redes neuronales o NN que se construyen por sí mismos?
- En el aprendizaje automático, ¿cómo calcula qué tan buena es una característica binaria para predecir Y?
Desafortunadamente, esos dos temas son bastante amplios para discutir aquí.
Y si no tienes una copia del libro, te aconsejo que eches un vistazo a lo siguiente:
- Una encuesta de métricas de evaluación de precisión de tareas de recomendación
- Evaluación de sistemas de recomendación de filtrado colaborativo
Espero esta ayuda!