推荐系统概述
所谓推荐系统，就是向用户推荐用户可能会喜欢的元素（item），这个元素可以是各种内容，比如看什么新闻（头条），买什么东西（淘宝），听什么音乐（网易云）。
分为个性化推荐和非个性化推荐两大类。
个性化推荐：指的是对每个用户都有不同的推荐内容
非个性化推荐：指的是按热度推荐（topN），按地区推荐等等。两种推荐方式在不同场景下都有一定的效果。
推荐系统的意义
- 出售更多的商品
- 增加用户满意度
- 出售多种类型的商品
- 增加用于忠诚度
推荐系统的架构
推荐系统架构
通过用户推荐点击行为可以获得用户日志（用户行为：点击、停留、跳过等等）
预测方式
- 评分预测方式： 推荐系统的最终结果是预测用户对物品（item）打分的结果，选择分数靠前的推荐给用户。
- TopN方式：就是所有人收到的都一样，不会受到用户物品关联性影响。
评估方式
可以将推荐系统的运行过程看作一个回归问题或者分类问题。可以通过类似的指标进行衡量：
- 均方误差：MSE Mean Square Error，估计值与真实值之差平方的期望值，用户u对物品i的评分的均方误差
- 均方根误差： RMSE Root Mean Square Error，就是均方误差开个根号
- 平均绝对误差：MAE Mean Absolute Error ，
- 一致序列对比率评分：FCP Fraction of Concordant Pairs。计算评分一致的物品在所有物品对中的占比。
一致的部分
不一致的部分
通过公式可以看出，FCP指的就是预测值和实际值偏差方向一致的比例。
