如何使用训练集评估 NMF？答案

【问题标题】：How to evaluate NMF with a Trainingset?如何使用训练集评估 NMF？
【发布时间】：2012-08-27 05:45:12
【问题描述】：

测试非负矩阵分解预测的正确方法是什么？假设数据集是一个包含用户和观看电影（没有评分）的矩阵。首先，我将矩阵拆分为训练集和测试集（40% 的测试集）。然后我用 NMF 分解训练矩阵。然后我取测试矩阵，删除所有电影条目的一半，看看真实的测试矩阵重建得有多好。

NMF 还使用了哪些其他评估方法？有没有比删除测试集中的电影条目更好的方法？

【问题讨论】：

【解决方案1】：

我认为这与您上次提出的问题基本相同。 NNMF 只是实现协同过滤的一种手段。评估低秩矩阵分解的保真度不是评估协同过滤结果的方法。低秩分解的关键在于它与输入并不完全相同。

您使用您已经熟悉的精度、召回率、AUC 等指标。您不会进一步拆分测试集，不 - 您没有制作交叉验证集或任何东西。所以我不知道这个点是什么。只需按原样使用测试集作为您的“相关”数据集。

【讨论】：

我认为有些东西我不明白，我也阅读了 myrrix “评估推荐者”网站，但我不知道我做错了什么。如果我有预测和“相关”数据，我知道如何使用 ROC 等。但是我应该使用哪些数据来进行预测？如果它不是测试集条目的“一半电影”，那么它是什么？
你分为训练集和测试集。您在训练集上进行训练，并针对测试集进行测试。出于某种原因，您不需要以某种方式将测试集划分为子集。您的测试数据是“正确答案”，您的测试会查看推荐者是否产生了这些项目。对于推荐者来说，这是一个非常有问题的假设，但仍有一些用处。