NDCG评价指标讲解

最新推荐文章于 2023-05-09 15:54:38 发布
最新推荐文章于 2023-05-09 15:54:38 发布
阅读量1.5w 收藏 9
点赞数 2
分类专栏： 数据挖掘
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/u011926899/article/details/52669180
版权

Normalized Discounted Cumulative Gain，即NDCG，常用于作为对rank的评价指标，当我们通过模型得出某些元素的ranking的时候，便可以通过NDCG来测评这个rank的准确度，同样的算法还包括MAP,MRR等，这里只讲解NDCG。


我们通过一个实例来说明一下这个NDCG的用法

id12345
模型评分1.20.70.10.24.0
按模型评分排序（i）23541
r(l)21000
按Gain排序（j）12333

我们首先通过i来计算出DCG值为2.39278，按照j来计算出iDCG的值为3,6309

最后通过公式1计算出NDCG为0.65

小雨滴滴滴的童鞋
关注
专栏目录
排序模型评估:准确率@K和NDCG
AI天才研究院
08-09 608
排序模型评估:准确率@K和NDCG 1.背景介绍 在信息检索、推荐系统和许多其他机器学习应用中,排序模型扮演着关键角色。排序模型的目标是根据某些相关性评分,为一组候选项目(如网页、商品或新闻文章)生成一个有序的排列。评估排序模型的性能对于选择合适的模型和优化模型参数至关重要。 本
Image captioning数据集、评价指标和算法性能比较
最新发布
安静到无声
10-01 1590
可以发现，基于深度学习的图像描述算法正在从不同的角度解决相关技术挑战，包括传递更加丰富的特征信息的Show，AttendandTell、SCA-CNN、Up-Down、LBPF、DLCT、DRT和GroupCap等算法，解决暴露偏差问题的SCST等算法，生成多样性的图像描述的SGAE、Dual-GCN、ASG2Caption、rAIRL和LSTM-P等算法，实现图像描述的可控性的Show，ControlandTell、CGO、VSR、StyleNet和SemStyle等算法。
排序指标NDCG
huangdunxian的专栏
06-29 4631
NDCG（Normalized distributed cumulative gain），用来衡量排序质量的指标。 计算公式为： NDCG的计算：CG–>DCG–>NDCGCG：网页gain的累加。gain可以是自己定义的，用来衡量网页的相关程度。在NDCG中，相关度分成从0到r+1的等级（r是可设定的）： 相关度=2r−1相关度=2^r-1 例如现在有一个query={abc}，返回下图左
搜索评价指标——NDCG
jingshuiliushen_zj的博客
10-11 5159
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...
NDCG指标——qjzcy的博客
qjzcy的博客
05-26 5160
工作学习中的一点体会——NDCG 指标NDCG（Normalized discounted cumulative gain）值是我们经常用到的一个rank指标，这里写一下我对NDCG值的一点理解 ————————————————————————————————————— 目录： 一、如何判断一个rank结果的好坏 二、公式 三、公式的理解 ————————————————————————
NDCG：推荐系统/搜索评价指标
沈春旭的博客
03-07 4669
本文转载自【胖喵】博主，详细请看https://www.cnblogs.com/by-dream/p/9403984.html 1. CG：累计增益 CG，cumulative gain，只考虑到了相关性的关联程度，没有考虑到位置的因素。它是一个搜素结果相关性分数的总和。指定位置p上的CG为： reli代表i这个位置上的相关度。 举例：假设搜索“篮球”结果，最理想的结果是：B1、B...
评价标准NDCG
a1223031949的专栏
10-11 1108
评价标准 性能良好的评分模型，应该能够给予那些引起msg或click的候选会员更高的评分（排序靠前），从而推荐给指定会员。本次竞赛的主要排名标准为Normalized Discounted Cumulative Gain（NDCG），定义如下： 这里。其中n为候选会员集合中的总人数，表示模型给出的排序中，排名为的候选会员的实际ACTION值（msg=2，click=1，re
推荐系统常用评价指标：NDCG、Recall、Precision、Hit Rate
chadlee
02-20 9230
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
ndcg算法的python实现
外婆家的大灰狼
07-24 8420
pdcg算法的实现算法参考wiki百科 Discounted cumulative gain 首先是学长之前提供的代码 环境python2.7这里的 from resource import log 一直通不过 查阅了资料现在是用 import logging__author__ = 'chen'import mathimport pandas as pdfrom resource im
评价一个推荐系统的指标详解！
Datawhale
07-20 1538
↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：太子长琴，Datawhale成员本文主要从整体角度介绍推荐系...
评估指标及代码实现（NDCG）
weiyaner的博客
06-22 8753
机器学习领域，推荐/搜索算法的常用评估指标，NDCG等
推荐系统：NDCG评价指标
热门推荐
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 7984
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
【推荐系统】常用评价指标NDCG、HR、Recall、MRR解析
Danger的博客
05-09 6027
【推荐系统】常用评价指标NDCG、HR、Recall、MRR解析
排序评估指标——NDCG和MAP
comli_cn的博客
02-18 4820
用实例理解NDCG和MAP
理解NDCG排序指标
AcceptedLin的博客
10-05 5711
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...
NDCG
ZSCDumin的博客
03-01 5775
NDCG 详解 1. CG 累积增益（CG）是DCG的前身，并且在考虑结果集的有用性时不包括结果的位置。以这种方式，它是搜索结果列表中所有结果的分级相关值的总和。 特定等级位置p的CG定义为： 2. DCG DCG的前提是在搜索结果列表中出现较低的高度相关文档应该受到惩罚，因为分级相关值与结果的位置成对比地减小。 DCG的传统公式累积在特定的等级位置p的定义为： 另一种表述...
推荐系统的评价指标笔记（NDCG、MAP、AUC、HR、MRR）
pocket_eight的博客
09-27 4497
NDCG Normalized Discounted Cummulative Gain 累积增益CG，CG表示每个推荐结果相关性的分数的累加， CGk=∑i=1kr(i)CG_k=\sum_{i=1}^kr(i)CGk​=i=1∑k​r(i) 其中relirel_ireli​是位置iii的推荐结果的相关性，kkk是推荐列表的大小. 如果我们考虑到位置对推荐的影响，比如，相关性高的应该尽量排在推荐列表的前面。这里引入DCG，考虑位置的影响因素： DCGk=∑i=1kr(i)log⁡2(i+1)DCG_k=\s
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
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