召回评价指标之NDCG full or half

最新推荐文章于 2024-11-11 23:13:08 发布
最新推荐文章于 2024-11-11 23:13:08 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 9346
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
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
召回离线评估指标（一）
GeorgePigX的博客
04-18 1956
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 2001
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。...
推荐系统评价指标（2）：MAP与NDCG
最新发布
burstone的专栏
11-11 1179
定义：AP（Average Precision），它衡量的是推荐系统对于单个用户的排序质量，AP表示了对一个给定的用户，其推荐列表中相关项目的平均精度。例如，对于一个用户，其真实的兴趣列表中有3个项目，推荐系统为该用户推荐了6个项目：[1, 0, 1, 0, 1, 0]，其中三个1表示用户感兴趣的。可见，AP考虑了推荐列表中项目的位置，因此它是一个“顺序敏感”的指标，即推荐列表中相关项目的位置越靠前，其对AP的贡献越大。通常地，AP值越大，说明推荐系统对于该用户的相关项目排序越靠前，推荐效果越好。
召回离线评估指标（二）
GeorgePigX的博客
04-21 579
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 5735
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 9494
机器学习领域，推荐/搜索算法的常用评估指标，NDCG等
[机器学习]评价指标：召回率(Recall)、准确率(Precision)、f1-score、Hit Ratio(HR)、NDCG、MAP(MARR)
m0_45338067的博客
10-11 2万+
目录召回率(Recall)精确率(Precision)F1-scoreHit Ratio(HR)Normalized Discounted Cummulative Gain(NDCG)平均精度均值MAP（Mean Average Precision） 在人工智能算法中，算法实现，训练模型完成后，为了判定算法的好坏，需要对训练的模型进行评价，本文介绍一些用于时空数据挖掘（STDM）中POI预测的评价标准。 场景假设 假如某班有女生20人,男生80人,共计100人.目标是找出所有女生,某人（分类器）挑选出
推荐算法之排序召回推荐指标总结
qq_38375203的博客
07-21 1474
最近想起总结一下常用的推荐指标了，觉得这也是最基础的知识点吧。不过这个也不是很全，只是将一些我认为基础的常用的进行了一下总结，后续在任务中遇到其他的再进行补充吧。比如我们常听到的AUC,MAP(MeanAveragePrecison),HR(HitRatio)，NDCG(NormalizedDiscountedCumulativeGain),等。...
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 8044
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 4146
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 1429
推荐系统评价指标介绍--CG, DCG, NDCG
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...
召回、误报和漏报
m0_61843258的博客
06-07 807
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。
NDCG及其实现
lujiandong1的专栏
08-12 2万+
1、NDCG的目标：希望得到的排序列表，质量越高越好。并且，如果将更相关的排到更前面，那么计算得到的NDCG是会越高的。 AUC和NDCG的区别： 1、AUC的含义：把正样本排在负样本前的概率。AUC关注的是全局的排序，只要正样本排在负样本之前，就可以得分。并没有加权。 2、NDCG也是关注排序，但是NDCG关注的是，加权排序。比如我们希望top10的排序准确度，要比bottom10的排序准
【推荐系统】召回指标NDCG
littlemichelle
06-29 3413
无
【推荐系统】召回模型线下评价指标
littlemichelle
05-26 5493
常用的评价标准： 第一类是线上评测，比如通过点击率、网站流量、A/B test等判断。这类评价标准在这里就不细说了，因为它们并不能参与到线下训练模型和选择模型的过程当中。 第二类是线下评测。评测标准很多，我挑几个常用的。我就拿给用户推荐阅读相关链接来举例好了。 TopN推荐 网站在提供推荐服务时，一般是给童虎一个个性化的推荐列表，这种推荐叫TopN推荐。TopN推荐的预测准确率一般通过准确率（precision）和召回率（recall）度量。 令R（u）是根据用户在训练集上...
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项目的相关性和排序位置，通过对相关性进行折扣和累加来计算得分，然后将得分标准化，使得评估结果在0到1之间，越接近1表示排序质量越好。 2. AUC (Area Under the ROC Curve)：AUC是用于衡量分类算法性能的指标，常用于评估二分类问题的预测准确性。ROC曲线是以真正例率（True Positive Rate）为纵轴，假正例率（False Positive Rate）为横轴绘制的曲线，AUC则是ROC曲线下的面积。AUC越接近1表示分类器性能越好。 3. ACC (Accuracy)：ACC是用于衡量分类算法性能的指标，表示分类器正确预测的样本占总样本数的比例。ACC通常用于评估多分类问题中分类器的准确性，取值范围为0到1，越接近1表示分类器性能越好。 4. Precision (精确率)：Precision是用于衡量分类算法性能的指标，表示分类器在预测为正例的样本中，真正例的比例。精确率主要关注分类器的预测准确性，计算公式为真正例数除以真正例数加上假正例数。 5. Recall (召回率)：Recall是用于衡量分类算法性能的指标，表示分类器成功预测为正例的样本占所有真正例的比例。召回率主要关注分类器对正例的全面性，计算公式为真正例数除以真正例数加上假负例数。 这些评价指标在不同的任务和场景中有不同的应用，可以帮助评估模型的性能和效果。
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