Java Mahout-推荐评估器返回0.0

好吧，我对Mahout和java非常陌生。我正在尝试评估一个推荐程序，下面的代码每次都返回0.0，无论我使用的距离度量或集群大小如何。显然，它根本没有分割训练和测试数据，我也不知道为什么

非常感谢您对本代码的任何帮助

public class Example {
public static void main(String[] args) throws Exception {

 final DataModel model = new FileDataModel(new File("FILENAME")) ;
  RecommenderEvaluator evaluator = new AverageAbsoluteDifferenceRecommenderEvaluator();
  RecommenderBuilder recommenderBuilder = new RecommenderBuilder() {
      @Override
      public Recommender buildRecommender(DataModel dataModel) throws TasteException {
          UserSimilarity similarity = new PearsonCorrelationSimilarity(model);
          ClusterSimilarity clusterSimilarity = new NearestNeighborClusterSimilarity(similarity);
          TreeClusteringRecommender tree = new TreeClusteringRecommender(model, clusterSimilarity, 50);
          return tree;
      }
  } ;
double score = evaluator.evaluate(recommenderBuilder, null, model, .7, 1.0);
    System.out.println(score);
    }
}

---

谢谢大家!

来自mahout文档

，org.apache.mahout.cf.taste.eval.DataModelBuilder，org.apache.mahout.cf.taste.model.DataModel，double，double）

evaluate（）返回： “分数”表示推荐人的估计偏好与实际值的匹配程度；分数越低表示匹配越好，0表示完美匹配

---

我想你没问题。

我相信这是因为你在buildRecommender方法中将模型作为参数传递。在将数据模型传递给PearsonCorrelation、NearestNeighborClusterSimilarity等对象时，必须在该方法中使用数据模型

如果不这样做，您将在包含所有首选项的数据模型上进行计算，这意味着它将尝试估计首选项，发现它已经存在，然后返回值。因此，您将始终拥有完美的推荐，因为DataModel已经知道首选项