你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。
评估推荐器
本文介绍如何在 Azure 机器学习设计器中使用“评估推荐器”组件。 目的是衡量推荐模型的预测是否准确。 使用此组件可以评估各种推荐结果：
- 为用户和项预测的评分
- 推荐给用户的项
使用推荐模型创建预测时，每种受支持的预测类型返回的结果略有不同。 “评估推荐器”组件将根据评分数据集中的列格式推断出预测的类型。 例如，评分数据集可能包含：
- 用户-项-评分三元组
- 用户及其推荐项
该组件还根据所进行的预测类型应用相应的性能指标。
如何配置评估推荐器
“评估推荐器”组件通过使用推荐模型将预测输出与相应的“真实”数据进行比较。 例如，评分 SVD 推荐器组件会生成多个评分数据集，可使用评估推荐器分析它们。
要求
评估推荐器需要以下数据集作为输入。
测试数据集
测试数据集包含用户-项-评分三元组形式的“实际”数据。
评分数据集
评分数据集包含推荐模型生成的预测。
此数据集中的列取决于你在评分过程中执行的预测类型。 例如，评分数据集可能包含以下某项：
- 用户、项和用户可能为该项给出的评分
- 用户及向其推荐的项的列表
指标
根据输入类型生成模型的性能指标。 以下各节将详细介绍。
评估预测评分
评估预测评分时，评分数据集（评估推荐器的第二个输入）必须包含满足以下要求的用户-项-评分三元组：
- 数据集的第一列包含用户标识符。
- 第二列包含项标识符。
- 第三列包含相应的用户-项评分。
重要
若要使计算成功，列名称必须分别为 User、Item 和 Rating。
评估推荐器将“实际”数据集中的评分与评分数据集的预测评分进行比较。 然后，评估推荐器计算平均绝对误差 (MAE) 和均方根误差 (RMSE)。
评估项目建议
评估项目建议时，使用包含为每个用户推荐的项的评分数据集：
- 数据集的第一列必须包含用户标识符。
- 所有后续列都应包含相应的推荐项标识符，并按项与用户的相关度排序。
在连接此数据集之前，建议对数据集进行排序，使相关度最高的项排在最前面。
重要
若要使评估推荐器正常工作，列名称必须为 User、Item 1、Item 2 和 Item 3 等。
评估推荐器计算平均归一化折损累计增益 (NDCG)，并在输出数据集中返回它。
由于不可能知道推荐项的真正“实际”情况，因此，评估推荐器使用测试数据集中的用户-项评分作为 NDCG 计算中的增益。 为了评估，推荐器评分组件只能为具有“真实”评级（在测试数据集中）的项提供推荐。
后续步骤
请参阅 Azure 机器学习可用的组件集。