推荐系统计算召回率和准确率代码
时间: 2023-11-07 15:05:03 浏览: 97
以下是一个简单的推荐系统召回率和准确率的 Python 代码示例:
```python
# 预测为正样本的阈值
THRESHOLD = 0.5
# 计算召回率和准确率
def calculate_recall_precision(actual, predicted):
# 计算召回率
true_positives = 0
false_negatives = 0
for i in range(len(actual)):
if actual[i] == 1 and predicted[i] >= THRESHOLD:
true_positives += 1
elif actual[i] == 1 and predicted[i] < THRESHOLD:
false_negatives += 1
recall = true_positives / (true_positives + false_negatives)
# 计算准确率
true_positives = 0
false_positives = 0
for i in range(len(actual)):
if actual[i] == 1 and predicted[i] >= THRESHOLD:
true_positives += 1
elif actual[i] == 0 and predicted[i] >= THRESHOLD:
false_positives += 1
precision = true_positives / (true_positives + false_positives)
return recall, precision
```
其中,`actual` 是实际的标签,`predicted` 是模型预测的概率值。在上面的代码中,我们使用了一个阈值 `THRESHOLD` 来判断预测结果是否为正样本。召回率和准确率的计算方式与标准的计算方式相同,具体详细可参考相关文献。
阅读全文