Machine learning 如何使用培训集评估NMF？

测试非负矩阵分解预测的正确方法是什么？假设数据集是一个矩阵，包含用户和观看的电影（无评级）。首先，我将矩阵拆分为一个列和测试集（40%的测试集）。然后用NMF分解训练矩阵。然后我取测试矩阵，去掉一半的电影条目，看看真正的测试矩阵重建得有多好

---

NMF还使用了哪些其他评估方法？有比删除测试集中的电影条目更好的方法吗？

我认为这与您上次问的问题基本相同。NNMF只是实现协同过滤的一种手段。评估低秩矩阵分解的保真度不是评估协同过滤结果的方法。低秩分解的要点是它与输入不完全相同

---

您使用您已经熟悉的精度、召回率、AUC等度量。您没有进一步拆分测试集，没有--您没有创建交叉验证集或任何东西。所以我不知道这一点是什么。只需按原样使用测试集作为“相关”数据集。

我想有些东西我不太明白，我也读过myrrix“评估推荐人”网站，但我不知道我做错了什么。如果我有一个预测和一个“相关”数据，我知道如何使用ROC等，但我应该使用哪些数据进行预测？如果它不是一个测试集条目的“一半电影”，那么它是什么呢？您可以将它分为一个训练集和测试集。您在训练集上进行训练，并根据测试集进行测试。您不需要出于某种原因将测试集划分为子集。您的测试数据是“正确答案”，您的测试将查看推荐人是否生成这些项目。对于推荐人来说，这是一个非常有问题的假设，但是仍然有一些用处。