LFM

Question

在LFM计算给用户推荐的list的时候并没有把用户本身喜欢的电影且点击过的电影给排除掉，那计算出来的应该和用户原本的喜欢的电影应该有大部分重合才对，但是并不是这样的，应该怎么样判断这个结果的好坏呢，还有如何判断训练多久效果最好呢？

Answer 1

David 2019-02-14 17:39:47

召回可以用固定的方法去评估就是分出一部分测试数据集，课程里在总结召回离线在线评估时候有讲。 你反馈的问题应该是训练还不太收敛 你可以打印出loss 观察一下loss收敛没有

• 提问者 xuchengggg #1

  老师 您好，loss是否可以直接用
          loss = 0
          for data_instance in train_data:
              userid,itemid,label = data_instance
              loss += math.pow(label -model_predict(user_vec[userid],item_vec[itemid]),2)
  我用这个计算loss的时候一开始14，15个迭代loss从3000多降低到700，后面基本从665缓慢下降到660，那这时候loss已经收敛了嘛