Python 推荐引擎（LightFM）的auc_分数和精度_在_k之间有什么区别

我目前正在尝试使用该库构建一个推荐引擎。我的输入是一个具有形状的稀疏矩阵（n_用户，n_项），其中矩阵中的每个单元格值表示用户与特定项的交互次数。这与我所看到的大多数示例大不相同，在这些示例中，矩阵的性质通常是布尔值（1或0），或者使用小范围（例如，评级为1-5），我不确定这是否是我面临的问题的一个促成因素

Training AUC score: 0.892
Testing AUC score: 0.873

K=10,
Training precision_at_k: 0.0363
Testing precision_at_k: 0.0363

我很困惑，为什么AUC分数似乎表明发动机性能良好，而K的精度表明情况并非如此

我对AUC分数的理解是，它似乎更适合用于二进制分类任务。这就是为什么分数这么高的原因吗？它将每个正值识别为布尔真，将每个0值识别为负值。在这种情况下，由于矩阵的稀疏性，正值的数量大大超过0值的数量

我对k的精度经验相对较少，只知道它代表了预测的平均精度。这个低分数意味着什么，当我们把它与更高的AUC分数一起考虑？< /P> 编辑：

---

所以我仍然不能完全确定这个话题，但我只是想分享一下我在这个话题上的一些直觉，以防其他人遇到和我一样的问题。推荐引擎在k时的

精度得分较低的一个可能原因是，该指标考虑了推荐的排名。这意味着它可以提供10条用户喜欢的建议，但如果建议不是按偏好递减的顺序排列的，那么该模型的得分将非常低。
您可以在此处查看我对类似问题的回答：。