召回评价指标之NDCG full or half

最新推荐文章于 2025-03-19 14:14:22 发布
最新推荐文章于 2025-03-19 14:14:22 发布
阅读量1.8k 收藏 1
点赞数 2
分类专栏： NLP与推荐算法 文章标签： NDCG HR MAP 召回
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/SPESEG/article/details/107713987
版权

hi,dear 大佬

在召回中评价筛出来的item是不是符合要求，除了HR外还可以看MAP或NDCG，这俩效果差不多，

主要是考察命中的item是不是靠前，都是越靠前（MAP/NDCG越大）越好.

 

 

 

For Video Recommendation in Deep learning QQ Group 277356808
 
 

For Visual in deep learning QQ Group 629530787
 
 

I'm here waiting for you

 

公式如下，来源于一个github小项目

 

了解本专栏 订阅专栏 解锁全文 超级会员免费看
推荐系统常用评价指标：NDCG、Recall、Precision、Hit Rate
chadlee
02-20 9570
评价指标 NDCG Normalized Discounted Cumulative Gain(归一化折损累计增益) NDCG用作排序结果的评价指标，评价排序的准确性。 推荐系统通常为某用户返回一个item列表，假设列表长度为K，这时可以用NDCG@K评价该排序列表与用户真实交互列表的差距。 CG （累计增益 Cumulative Gain） CGK=∑i=1Kreli C G_{K}=\sum_{i=1}^{K} r e l_{i} CGK​=i=1∑K​reli​ 考虑一个长度为K的列表，relirel
《Python机器学习基础教程》第十一章推荐系统基础11.11 推荐系统评估指标：深入解析准确率、召回率、F1分数、NDCG和MAP
最新发布
代码学习，前言技术分享，深度分析编程技术，普及科普编程技术
03-30 727
我们也可以自定义评估函数来计算这些指标。"""自定义准确率计算:param y_true: 真实标签:param y_pred: 预测标签:return: 准确率"""return 0.0"""自定义召回率计算:param y_true: 真实标签:param y_pred: 预测标签:return: 召回率"""return 0.0"""自定义F1分数计算:param y_true: 真实标签:param y_pred: 预测标签:return: F1分数"""
召回离线评估指标（一）
GeorgePigX的博客
04-18 2091
居家办公一周了，上海疫情的“拐点”却迟迟未到，刚在小区楼下配合测完核酸，回到家里吃了口老坛酸菜面（不加酸菜包）冷静冷静。言归正传，今天想和大家聊聊推荐召回侧常用的离线评估指标。 (1).首先定义几个符号 @K: 用召回的TopK商品计算指标 RecSet: 策略召回的商品序列 BehSet: 用户未来N天有过交互行为的商品序列(N可以根据需要自行定义) #(): 表示count() MRR: Mean Reciprocal Rank D+T: 表示从D天算起未来T天内 (2).离线评估指标 Percisio
推荐召回模型评估指标（AUC、HR、F1、Precision、Recall）代码实现
silentkunden的博客
07-31 2081
AUC计算的关键是找到所有正样的预测值大于负样本预测值的正负样本对。Precision就是召回了K个item，K个item中被点击了n个，那么Precision=n/K。Recall是用户点击的M个item中，k个物品是在召回模型推荐列表的，那么Recall=k/M。N为样本的总数，m为正例的个数。...
召回离线评估指标（二）
GeorgePigX的博客
04-21 628
接着上一篇文章《召回离线评估指标（一）》，今天和大家接着聊聊推荐召回侧常用的其他离线评估指标。 (1).首先定义几个符号 @K: 用召回的TopK商品计算指标 RecSet: 策略召回的商品序列 BehSet: 用户未来N天有过交互行为的商品序列(N可以根据需要自行定义) #(): 表示count() MRR: Mean Reciprocal Rank D+T: 表示从D天算起未来T天内 (2).离线评估指标 召回序列长度 定义：Length(D 策略所有召回商品) 意义：衡量策略计算结果的可用性 基尼系数
理解NDCG排序指标
AcceptedLin的博客
10-05 5810
理解NDCG排序指标 关于NDCG，wiki给点解释很详细，这里我谈谈我的理解。 NDCG（Normalizeddiscounted cumulative gain）：是用来衡量排序质量的指标。 其中一种计算公式如下： 先从理解CG,DCG入手。CG（cumulative gain），累...
评估指标及代码实现（NDCG）
weiyaner的博客
06-22 1万+
机器学习领域，推荐/搜索算法的常用评估指标，NDCG等
信息检索中常用的评价指标：MAP,nDCG,ERR,F-measure
tzl2093的博客
04-10 1万+
知识点文本检索常用的评价指标：MAP、nDCG、ERR、F-score/F-measure以及附加的Precision、Recall、AveP、CG、DCG、IDCG、MRR、cascade models 一，MAP Precision(P)： 准确率(精确度)是指检索得到的文档中相关文档所占的比例，公式如下： precision=|{relevantdocuments}⊆{ret
RAG评估指标 Recall、MRR、NDCG
u010249118的博客
03-19 833
指标核心目标适用场景局限性Recall减少漏检疾病诊断、安防检测忽略误检，需与 Precision 平衡MRR优化首位结果质量导航搜索、事实查询忽略后续结果，仅关注首个命中NDCG多等级排序质量评估推荐系统、个性化搜索计算复杂，需明确相关性等级定义参考资料：Recall 的定义与目标检测应用；：MRR 的计算与搜索场景；：NDCG 的原理与代码实现。
推荐系统：NDCG评价指标
Machine Learning with Tutors
07-07 3万+
两个最受欢迎的指标是MAP和NDCG。我们在前段时间已经使用了（MAP）。NDCG表示。两者之间的主要区别是，MAP认为是二元相关性（一个项是感兴趣的或者不感兴趣的），而NDCG允许以实数形式进行相关性打分。这种关系类似分类和回归的关系。实际当中，很难直接地优化MAP或NDCG指标，因为他们是不连续的，所以不可微。幸运的是，表明，用于排名学习的一对损失函数近似于这些指标。
NDCG的理解
weixin_44813041的博客
10-29 8126
概念 NDCG，Normalized Discounted cumulative gain 直接翻译为归一化折损累计增益，可能有些晦涩，没关系下面重点来解释一下这个评价指标。这个指标通常是用来衡量和评价搜索结果算法（注意这里维基百科中提到了还有推荐算法，但是我个人觉得不太适合推荐算法，后面我会给我出我的解释）。DCG的两个思想： 1、高关联度的结果比一般关联度的结果更影响最终的指标得分； 2、有高关联度的结果出现在更靠前的位置的时候，指标会越高； 累计增益（CG） CG，cumulative gain，是D
【推荐】排序模型的评价指标nDCG
十一月廿七风雨大作
07-26 5874
归一化折损累计增益是一种用于评估排序模型性能的指标，它考虑了两个方面：排序的正确性和相关性的程度。
推荐系统评价指标介绍--CG, DCG, NDCG
罟霖同学的站点
03-06 1619
推荐系统评价指标介绍--CG, DCG, NDCG
排序指标CG，DCG，NDCG
明月几时有，把酒问青天
11-26 3698
CG（Cumulative Gain）表示累积增益，rel_i 表示查询结果列表中第 i 个位置的相关性值（相关程度可以理解为权重），即该结果和查询有多大联系，可以看出CG不会考虑查询结果的顺序，即如果随机打乱查询结果， CG 的值也不会变。比如有一个查询：『abc』 CGp=∑i=1preli \mathrm { CG } _ { \mathrm { p } } = \sum _ { i = ...
推荐系统笔记（三）：NDCG Loss原理及其实现
qq_46006468的博客
07-29 3050
为了做一个归一化数据，我们在检索的时候，可能返回的数据有很多条，累加的数目不一样，无法对两个搜索模型进行比较，就行在缓存中，当缓存行分别有10条和20条，他们的DCG之和不具有可比性，需要归一化才能定性的比较，这就是NDCG的主要思想。......
推荐算法——NDCG归一化折扣累积增益
AndrewPerfect的博客
07-11 332
（Normalized Discounted Cumulative Gain），是一种常用的衡量搜索引擎和推荐系统结果质量的指标。NDCG考虑了结果的相关性和结果的排名位置，其值在0到1之间，值越大表示搜索结果质量越高。IDCG是理想情况下的DCG，即结果按相关性排序时的DCG。其计算方法与DCG相同，只不过结果列表是按相关性降序排列的。其中，relirel_ireli​ 表示结果列表中第 iii 个结果的相关性评分，ppp 是结果列表的长度。
召回、误报和漏报
m0_61843258的博客
06-07 1114
这四个指标在评估分类和推荐系统时非常有用。在疾病筛查等需要高灵敏度的场合，召回率尤为重要，以确保尽可能少地漏掉真正的正例。在垃圾邮件过滤等应用中，精度可能更加关键，以避免用户被错误的信息干扰。综合考虑召回率和精度，可以使用F1分数等综合性指标来平衡两者之间的关系。通过合理地选择和调整这些评估指标，我们可以更全面地了解模型的性能，并根据实际需求进行优化。
【推荐系统】召回指标NDCG
littlemichelle
06-29 3896
无
推荐算法常用评价指标：NDCG、MAP、MRR、HR、ILS、ROC、AUC、F1等
热门推荐
十三
04-21 9万+
1 混淆矩阵 TP（true positive）：表示样本的真实类别为正，最后预测得到的结果也为正； FP（false positive）：表示样本的真实类别为负，最后预测得到的结果却为正； FN（false negative）：表示样本的真实类别为正，最后预测得到的结果却为负； TN（true negative）：表示样本的真实类别为负，最后预测得到的结果也为负. 其中，TP与TN表示分类正确...
介绍评价指标NDCG、AUC、ACC、Precision、Recall
07-27
以下是对评价指标NDCG、AUC、ACC、Precision和Recall的简要介绍： 1. NDCG (Normalized Discounted Cumulative Gain)：NDCG是用于衡量排序算法性能的指标，常用于评估推荐系统的排序质量。它考虑了推荐列表中每个...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小李飞刀李寻欢

您的欣赏将是我奋斗路上的动力！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值