Precision@N

最新推荐文章于 2024-06-04 16:23:04 发布
最新推荐文章于 2024-06-04 16:23:04 发布
阅读量7.4k 收藏 5
点赞数 1
分类专栏： 机器学习
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/mch2869253130/article/details/100884758
版权

Precision@N这个指标最初是针对信息检索领域的。
一般来说，搜索结果前几项的准确性比较重要，假设说，搜索出来的前几条结果就是和搜索词不相关的，即使后面的结果都是相关的，那么这个信息检索系统也是不能令人满意的。因此，需要一些指标来度量前几个结果的准确率，P@N就是这样一种指标，它的意思就是Precision at top-N，就是搜索结果前N个的准确率，通过N比较小，因为就是要度量搜索结果前几条的准确率，如P@5，P@10。写成公式就是下面这样：
P @ N = 与 检 索 相 关 / N P@N = 与检索相关/N P@N=与检索相关/N

风吹草地现牛羊的马
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
POJ1001-Precision power
07-29
【标题】"POJ1001-Precision power"是一个在线编程题目，源自北京大学的POJ（Problem Set of Peking University）平台。该题目主要考察的是算法设计与精度控制方面的知识，尤其是涉及到浮点数计算时的精度问题。 ...
oj题目：计算浮点数的n次方
03-03
Problems involving the computation of exact values of very large magnitude and precision are common. For example, the computation of the national debt is a taxing experience for many computer systems....
Hibernate里面的 precision="1" scale="0 "
CTO成长之路——Rosanu
05-09 4029
记录日志信息 这里面的precision="1" 表示有效位数是1位，scale="0" 表示小数位为0；就是Oracle里面的NUMBER(1)； precision意为“精密度、精确”，在这里就表示该字段的有效数字位数。 scale意为“刻度、数值范围”，那就是该字段的小数位数。
信息检索中 (IR) 的评价指标: P@n, MAP, MRR, DCG, NDCG
月夜长影
03-27 1万+
P@n 前 n 个结果的准确度, P指的是Precision. 如果用yi=0,1y_i=0,1yi​=0,1分别表示第 i 个结果相关、不相关, 则 P@n=1n∑i=1nyi P@n = \frac{1}{n} \sum_{i=1}^ny_i P@n=n1​i=1∑n​yi​ 在评测系统的 P@n 时, 对每个查询的结果计算P@n, 取这些值的平均值作为系统的P@n. 参考: https:/...
Precision和Recall
最新发布
chen_znn的博客
06-04 1150
本文解释了Precision和Recall
信息检索度量指标（MAP@N, P@N）
arvinChen的博客
09-06 786
这篇文章中，我们了解了二元相关性和分级标签相关性的各种评估指标，以及每个指标如何改进之前的指标
最全面的推荐系统评估方法介绍
abcdefg90876的博客
11-11 3243
编辑：子墨来源：《深度学习推荐系统》笔记，并进行补充和说明推荐系统覆盖于生活中的各个方面，无论是电商购物，还是内容咨询，都离不开它的身影，作为一名推荐算法从业者，深知做好推荐系统的必要性...
[合规性检查方法-Precision1]（高级）行为适当性度量
qq_40420514的博客
08-29 466
（高级）行为适当性度量【Advanced behavioral appropriateness】是一种基于足迹的度量，它比较关系的前后关系。它是相当粗粒度的，在计算上是必要的，因为它需要状态空间探索。在2006年由A. Rozinat提出，下面我们将详细介绍这一算法思想。.........
rx72n_rx72n_
10-01
240-MHz 32-bit RX MCU on-chip double-precision FPU 1396 CoreMarkArithmetic unit for trigonometric functions up to 4-MB flash memory (supportive of the dual bank function) 1-MB SRAMvarious ...
R分数复现 R-precision评估指标定量实验工程文件 文本生成图像R分数定量评估实验代码
06-12
本压缩包是文本生成图像里的 R分数实验代码 R-precision评估指标定量工程文件，可以用来评估文本与图像的对齐性（即生成的图像是否符合文本），工程包括build_RPdata.py、config.py、encoder.py、eval_Rprecision.py...
n卡超频利器EVGA
12-01
"n卡超频利器EVGA"指的就是EVGA公司提供的专业显卡超频软件——EVGA Precision，它为用户提供了简单易用的界面和强大的超频功能，使超频过程变得更为安全和可控。 一、NVIDIA显卡超频基础 1. 显卡超频原理：超频是...
P-N学习
凌桑的自我修养--You are the Eternity
05-25 3897
本文翻译自Zdenek Kalal的论文Tracking-Learning-Detection ，PAMI 2010，其中还夹杂我自己的理解，如有错误，还望包涵。        另外，有关P-N学习的更详细知识，可参考Zdenek Kalal的论文PN-learning:Bootstrapping Binary Classifiers by Structural Constraints, Zde
P-N学习介绍
00_00_07
10-20 3758
写在前面：近期突发奇想要看一下Tracking-learning-Detection这篇文章，看到论文才发现，里面东西多着呢，首先也是最主要的一个就是这个P-N学习，看论文那么久，很难搞懂~~~这就记录一下自己的理解，希望能帮助到大家。 这个是我查看了PN-learning论文之后连翻译带理解写下来的，如果有同学想要看原文的话，这里给上原文的链接：PN-learning:Bootstrapping
信息检索IR评价中常见的评价指标-MAP\NDCG\ERR\P@10等
古月哲亭
04-16 7090
信息检索评价是对信息检索系统性能（主要满足用户信息需求的能力）进行评估的活动。通过评估可以评价不同技术的优劣，不同因素对系统的影响，从而促进本领域研究水平的不断提高。信息检索系统的目标是较少消耗情况下尽快、全面返回准确的结果。 IR的评价指标，通常分为三个方面： （1）效率(Efficiency)—可以采用通常的评价方法：时间开销、空间开销、响应速度。 （2）效果(Effectiveness)：返...
怎样量化评价搜索引擎的结果质量
weixin_30527323的博客
10-10 853
搜索质量评估是搜索技术研究的基础性工作，也是核心工作之一。评价（Metrics）在搜索技术研发中扮演着重要角色，以至于任何一种新方法与他们的评价方式是融为一体的。 搜索引擎结果的好坏与否，体现在业界所称的在相关性（Relevance）上。相关性的定义包括狭义和广义两方面，狭义的解释是：检索结果和用户查询的相关程度。而从广义的层面，相关性可以理解为为用户查询的综合满意度。直观的来看，从用户进...
精确率（precision [prɪˈsɪʒən]）、召回率(recall [rɪˈkɔ:l])、准确率(accuracy [ˈækjərəsi])
weixin_38523904的博客
11-20 1180
本文主要整理3项评价指标，感谢大佬给与共享资源@nana-li （https://blog.csdn.net/quiet_girl/article/details/70830796）@redhorse_plus（https://blog.csdn.net/sarah98/article/details/78282068） ，如涉及侵权问题，告知本人将立即删除。 在介绍指标前先了解“混淆矩阵”：...
度量方法：PR & F1 & AUC
竹石破岩
03-07 1876
1. Precision an Recall   计算公式： precion=TPTP+FPprecion = \frac{TP}{TP+FP}precion=TP+FPTP​ recall=TPTP+FNrecall = \frac{TP}{TP+FN}recall=TP+FNTP​   在排序问题中，通常没有一个确定的阈值把得到的结果直接判定为正样本或负样本，而是采用Top N返回结果的pr...
机器学习-类别不平衡问题
StarFireduziqun的博客
07-18 407
机器学习中常常会遇到数据的类别不平衡，也叫数据偏斜。 1.类别不平衡下的评估问题 对于平衡的数据我们一般都用准确率也就是（1-误分率）作为一般的评估指标，这种标准的前提是：数据是平衡的，正例与反例的重要性一样，二分类器的阈值是0.5。在这种情况下用准确率对分类器进行评估是合理的。 而当类别不平衡时，准确率就非常具有迷惑性，下面给出几种主流的评估方法。 1.ROC是一种常见的替代方法，计算ROC曲线下的面积是一种主流的方法 2.Precision-recall curve和ROC有相似的地方，但定义不同，计算
信息检索P@10、MAP、NDCG，及同一指标计算的差别
热门推荐
more_ugly_less_bug的博客
01-16 4万+
问题源于我在重现一篇信息检索方面顶会论文实验的时候，始终计算不出与论文中相同的实验结果。论文的实验用到了P@10，MAP,NDCG@10三种指标。我先是用了Galago提供的计算工具，发现除P@10一项指标结果一致外，MAP,NDCG@10两项都有很大的不同。经过观察发现虽然实验结果的数据不同，但是实验结果的趋势是相同的（实验是对几种排名算法进行评比，尽管得到了不同的数据，但是用这些数...
运用DeepWalk对图进行嵌入并做网络重构，网络重构的结果用precision@5评价。给出python代码。
06-11
以下是使用 DeepWalk 进行图嵌入和网络重构，并使用 precision@5 评价的 Python 代码： ```python import networkx as nx from gensim.models import Word2Vec from sklearn.metrics.pairwise import cosine_similarity # 加载图数据 G = nx.read_edgelist('graph.txt', nodetype=int) # 使用 DeepWalk 进行图嵌入 model = Word2Vec(nx.random_walk.RandomWalk(G, walk_length=10, num_walks=80), size=128, window=5, min_count=0, sg=1, workers=4) # 构建节点嵌入字典 embeddings = {} for node in G.nodes(): embeddings[node] = model.wv[str(node)] # 重新构建图 new_edges = [] for node in G.nodes(): sim_list = [] for other_node in G.nodes(): if node != other_node: sim_list.append((other_node, cosine_similarity([embeddings[node]], [embeddings[other_node]])[0][0])) sim_list = sorted(sim_list, key=lambda x: x[1], reverse=True) new_edges.extend([(node, n) for n, _ in sim_list[:5]]) new_G = nx.Graph() new_G.add_nodes_from(G.nodes()) new_G.add_edges_from(new_edges) # 评价重构结果 precision_5 = 0 for node in G.nodes(): neighbors = [n for n, _ in sorted(new_G[node].items(), key=lambda x: x[1], reverse=True)[:5]] precision_5 += len(set(neighbors) & set(G[node])) / 5.0 print("Precision@5: %.4f" % (precision_5 / len(G.nodes()))) ``` 在代码中，我们首先加载了图数据，然后使用 `gensim` 库中的 `Word2Vec` 模型对图进行嵌入学习。接着，我们将所有节点的嵌入向量存储到一个字典中。然后，我们对每个节点，找到与其最相似的前5个节点，并将其作为新图中该节点的邻居节点。最后，我们使用 `precision@5` 评价了重构图的效果。
评论 3
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
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