Dans les algorithmes de recommandation, les indicateurs d'évaluation couramment utilisés incluent l'exactitude (précision), la précision (précision), le rappel (rappel) et l'AUC (aire sous la courbe). Ces métriques sont utilisées pour évaluer les performances et l’efficacité des algorithmes de recommandation.

1. Précision : la précision fait référence à la proportion de prédictions correctes parmi tous les résultats de prédiction. Dans les systèmes de recommandation, l’exactitude indique combien de résultats de recommandation prédits intéressent réellement l’utilisateur. La précision est comprise entre 0 et 1. Plus la valeur est élevée, plus les résultats de la recommandation sont précis.

2. Précision : La précision fait référence à la proportion d’échantillons véritablement positifs parmi tous les résultats prévus comme étant des échantillons positifs. Dans les systèmes de recommandation, la précision indique combien d’éléments recommandés à l’utilisateur l’intéressent réellement. La précision est comprise entre 0 et 1. Plus la valeur est élevée, plus la proportion d'éléments qui intéressent l'utilisateur est incluse dans les résultats de la recommandation.

3. Rappel : le rappel fait référence à la proportion de tous les échantillons véritablement positifs qui sont prédits avec succès comme étant des échantillons positifs. Dans un système de recommandation, le taux de rappel indique combien d'éléments qui intéressent réellement l'utilisateur sont recommandés avec succès à l'utilisateur. Le taux de rappel varie de 0 à 1. Plus la valeur est élevée, plus la proportion d'éléments qui intéressent l'utilisateur est incluse dans les résultats de la recommandation.

4. AUC (aire sous la courbe) : L'AUC est un indicateur utilisé pour évaluer les performances de classement d'un système de recommandation. Il représente la capacité de l’algorithme de recommandation à trier les échantillons positifs et négatifs, c’est-à-dire la probabilité que les résultats recommandés puissent être correctement triés parmi toutes les paires d’échantillons positifs et négatifs. La valeur de l'AUC varie de 0,5 à 1. Plus la valeur est proche de 1, meilleure est la capacité de tri.

Il convient de noter que l'interprétation et l'utilisation de ces indicateurs d'évaluation peuvent varier en fonction de l'algorithme de recommandation spécifique et des scénarios d'application. Dans des applications spécifiques, des indicateurs d'évaluation appropriés peuvent être sélectionnés en fonction des exigences commerciales et des caractéristiques de l'algorithme pour évaluer les performances de l'algorithme de recommandation.