1. 準確率。推薦給用戶的商品中，屬於測試集的比例，數學公式$P(L_{u})=\frac{L_{u}\bigcap B_{u}}{L_{u}}$ 。整個測試集的準確率為 $P_{L}=\frac{1}{n}\sum_{u\epsilon U}P(L_{u})$
2. 召回率。測試集中有多少在用戶的推薦列表中。數學公式$R(L_{u})=\frac{L_{u}\bigcap B_{u}}{ B_{u}}$。整個測試集的召回率為$R_{L}=\frac{1}{n}\sum_{u\epsilon U}R(L_{u})$
3. F1值。準確率和召回率的加權，數學公式 $F_{\beta }=\frac{(1+\beta ^{2})PR}{\beta ^{2}P+R}$。
4. Ranking Score。數學公式 $R=\frac{1}{|E^{U}|}\sum_{ui\epsilon E^{U}}\frac{p_{ui}}{M-k_{u}}$ 其中$E^{U}$ 表示測試集中所有的邊的集合，如果用戶u對商品i在測試集中，則$E_{ui}=1$

推薦系統--評估指標匯總