RMSE

概述

均方根误差，推荐系统评分预测任务的核心评估指标，Netflix Prize 竞赛的官方评判标准。

关键内容

1. 定义：RMSE（Root Mean Square Error）衡量预测评分与真实评分之间的偏差，计算公式为 $\sqrt{\frac{1}{N}\sum(r_{ui} - \hat{r}_{ui})^2}$。值越小表示预测越准确。
2. Netflix Prize 基线：Cinematch 基线 RMSE 为 0.9514，竞赛目标为降至 0.8563 以下（10% 提升）。最终 BellKor's Pragmatic Chaos 以 0.8567（10.06% 提升）获胜。
3. 各方法 RMSE 对比：
4. FunkSVD: ~0.896（~5.9% 提升）
5. SVD (100 factors): 0.9025（~5.1% 提升）
6. SVD++ (100 factors): 0.8924（~6.2% 提升）
7. timeSVD++ (10 factors): < 0.8924（> 6.2% 提升）
8. 局限性：RMSE 优化评分预测精度，但不直接等价于推荐列表的排序质量。后来的研究逐渐转向 NDCG、MAP、AUC 等排序指标。

来源

• 04-matrix-factorization-for-recsys.md — 深度解读 Matrix Factorization Techniques for Recommender Systems

相关

• Netflix Prize — 使用 RMSE 作为评判标准
• 矩阵分解 — 优化的目标指标
• 平均绝对误差 MAE — 另一种评估指标