我必须建立一个推荐系统，它将使用 map@10 标准进行评估。我已经在用户项级别汇总了数据/行，并且正在 scikit learn 中使用 Gradient Boosting 来构建模型。
挑战
但是存在很大的类别不平衡，只有 6%（在 40K 使用项目对中）实际购买了整个基地中的项目。鉴于这个挑战，我想知道我应该用来调整 GBM 模型参数的准确度指标。
问题
我考虑过使用召回率、精度、f1 分数等来调整 GBM 的超参数。但是考虑到类不平衡，哪一个会最大化 map@10 呢？
谢谢
ML 分类器的哪个准确度度量可以最大化不平衡数据集的推荐系统的 map@K？
数据挖掘
机器学习
分类
推荐系统
阶级失衡
损失函数
2022-01-19 10:29:56
1个回答
如果您想留在 Python 中，我建议您使用 xgboost 而不是 GradientBoostingClassifier - 除其他优点外，它还支持 map / ndcg 作为指标。如果你正在考虑 R，gbm 支持 map 和 ndcg。
其它你可能感兴趣的问题