推荐系统——Evaluation criteria(评估准则)

最新推荐文章于 2021-06-23 23:03:13 发布

hg小透明

最新推荐文章于 2021-06-23 23:03:13 发布

阅读量2k

点赞数

分类专栏：推荐系统

本文链接：https://blog.csdn.net/qq_36097334/article/details/84980138

版权

本文介绍了推荐系统中常用的评估指标，包括精确率、召回率和F1分数。精确率衡量被正确分类到类别的样本比例，召回率则表示被正确识别的类内样本总数。通过计算精确率和召回率的调和平均数得到F1分数，以综合评价系统性能。文中提供了一个捕鲤鱼的例子来直观解释这些概念。

摘要由CSDN通过智能技术生成

之前学过但实际用的少（主要实验做的少 orz），做毕设看论文的时候碰到了，所以回顾一下

there are two main evaluation indicators: precision and recall. Sometimes, in order to comprehensively evaluate the performance of the system, the harmonic mean of precision and recall is calculated. This is usually referred to as the F-measure.

有两个主要的评估指标：精确率(precision)和召回率(recall)。有时，为了综合的去评估系统的性能，需要计算精确率和召回率的调和平均数(harmonic mean)，也称F-measure。

计算公式

在这里插入图片描述

TP:样本类别为A，且被正确分类到类A
FP:样本不属于类A，但被分到类别A
FN:样本属于类A，但被分到其他类别中
所以,
precision精准率的意义是：被正确分到类A的样本数目/被分到类A的所有样本(找准)
recall召回率的物理意义是：被正确分到类A的样本数目/原来类A所有的样本数目(找全)