与你生活密切相关的排序算法的评估指标

本文是《机器学习宝典》第 4 篇，读完本文你能够掌握机器学习中排序算法相关的评估指标。

读完分类与回归算法的评估指标之后，你已经知道了机器学习中分类与回归算法的评估指标。在这篇给大家介绍一些机器学习中排序算法相关的评估指标。

生活中的排序问题

直接说排序这个名词很多人可能觉得很陌生，但实际上它与你的生活密切相关。这里我们以搜索功能来说明下。

比如你想学习机器学习，但是不知道如何入门，但是你想到有谷歌爸爸，所以就在谷歌中输入了关键词：机器学习入门，接下来你就看到了一个结果页，结果页里包含了一大堆与入门机器学习相关的链接。

可以看到，每个链接对应的内容不一样，位置也分前后，对于你来说，你当然是希望前几个链接的内容就能解决你的问题，这样你就不用花时间去查看靠后的链接，甚至不用去翻页，也就是说你希望越靠前的位置的内容与你搜索的关键词越相关。

换个角度来想，你所看到的这么多链接其实就是一个模型产生的排序列表，这个列表里的每个元素就是一个链接。这里的链接用行话来说就是**“文档”** 。那么，如何衡量这个排序列表的好坏呢？也就是说每个文档到底排在第几位才是比较合适的呢？接下来我们来看几个衡量排序质量的评估指标。

MAP

MAP（Mean Average Precision，平均准确率均值）计算时分为两部分，第一部分是计算一次查询后的排序结果的平均准确率（AP），第二部分是计算总体的平均准确率均值（MAP）。一般评估MAP时会限定要评估的排序结果个数，也就是会指定要选取的前K个文档。
$$AP@K=\frac{{\sum }_{k=1}^{min(M,K)}P(k)\cdot rel(k)}{min(M,K)}$$
其中，AP@K表示计算前K个结果的平均准确率，M表示每次排序的文档总数，P(k)表示前k个结果的准确率，$P(k)=$