P，AP， MAP，MRR。几种分类器评价指标

最新推荐文章于 2024-01-10 13:21:27 发布
最新推荐文章于 2024-01-10 13:21:27 发布
阅读量1.6k 收藏 5
点赞数
分类专栏： 机器学习 文章标签： 评价指标
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/weixin_44616471/article/details/100998980
版权

P，AP， MAP，MRR几种分类器评价指标

P准确率（Precision）
在这里插入图片描述
AP（Average Precision）：平均准确率——平均是对于不同的验证集的平均
MAP（Mean Average Precision）：平均准确率的均值——均值是对于所有类别取均值（二分类的话则针对正样本和负样本的AP取均值，例如：90%的正样本，10%的负样本，如果采用全部输出为正的分类器，那么P正=0.9,P负=0,而mAP=0.45）

MRR（Mean Reciprocal Rank）：排名倒数的均值：一个国际上通用的对搜索算法进行评价的机制，即第一个结果匹配，分数为1，第二个匹配分数为0.5，第n个匹配分数为1/n，如果没有匹配的句子分数为0。最终的分数为所有得分之均值。（此处参考https://blog.csdn.net/gw1994/article/details/79616567）
在这里插入图片描述

推荐系统常用评价指标(recall,MAP,MRR,NDCG,F1,ROC等)
Marcus-Bao的个人主页
03-05 7858
这里主要总结一下推荐系统当中常见的一些评价指标,主要包括: MAE,RMSE,recall,precision,MAP,MRR,NDCG等 MAE(Mean Average Error,平均绝对误差) 表示预测值和实际值之间的绝对误差的平均值. ##RMSE(Root Mean Square Error,均方根误差) 均方根误差是用来衡量观测值同真实值之间的偏差,RMSE越小越好. ##Reca...
推荐系统[四]：精排-详解排序算法LTR (Learning to Rank): poitwise, pairwise, listwise相关评价指标，超详细知识指南。
丨汀、的博客
02-27 3285
Learning to Rank (LTR)是一类技术方法，主要利用机器学习算法解决实际中的排序问题。传统的机器学习主要解决的问题是一个分类或者回归问题，比如对一个样本数据预测对应的类别或者预测一个数值分值。而LTR解决的是一个排序问题，对一个list的item进行一个排序，所以LTR并不太关注这个list的每个item具体得多少分值，更关注所有item的相对顺序。排序通常是信息检索的核心成分，所以LTR最常见的应用是搜索场景，对召回的document进行排序。
评价指标——P，AP，MAP
li8zi8fa的博客
07-18 1万+
P：precision，预测正确的个数/测试总个数 AP：average precision，每一类别P值的平均值 MAP：mean average precision，对所有类别的AP取均值 ×××××注意：这里的P与预测顺序有关。             例如：假设有两个查询，查询1有4个相关文档，查询2有5个相关文档。某系统对查询1检索出4个相关文档，其rank分别为1,2,
【DL】P, AP, mAP
北境の守望者
10-28 497
Backto ML Index 这几个评价标准, 通常都是用在 CV 领域. P: Precision 精度 一个模型的准确率指的是对 一张图像而言, 正确预测的某个类别的数量除以这张图像中这个类别的总数 PC=N(TruePositives)CN(TotalObjects)CP_C = \frac {N(\text{TruePositives})_C}{N(\text{TotalObject...
P、 AP、mAP的关系
Watson的博客
12-17 1968
AP，Precision，Recall, mAP 之间的关系
图像标注中常用的性能指标评估方法
机器智能
05-22 2134
不断更新中... MAP(Mean Average Precision)：单个主题的平均准确率是每篇相关文档检索出后的准确率的平均值。主集合的平均准确率(MAP)是每个主题的平均准确率的平均值。MAP 是反映系统在全部相关文档上性能的单值指标。系统检索出来的相关文档越靠前(rank 越高)，MAP就可能越高。如果系统没有返回相关文档，则准确率默认为0。 例如：假设有两个主题，主
目标检测评价指标（mAP、P-R曲线、IOU）超好理解
CSSDCC的博客
05-06 1663
目标检测评价指标（mAP、P-R曲线、IOU）一、mAP如何去理解？尝试理解precision准确率（第一列）recall召回率（第一行）P-R曲线二、IOU（交并比） 一、mAP 真实情况 预测为正 预测为反 recall召回率 正 TP FN R = TP / (TP + FN) 反 FP TN precision准确率 P = TP / (TP + FP) 如何去理解？ 这四个字母看着真头晕，就算看博客当时理解了，过一会儿就忘了，所以决定整理一下，用特殊的方法记住他！
当前音乐推荐系统研究中的挑战和愿景
09-21 4698
近年来，由于在线流媒体服务的出现和成功，音乐推荐系统（MRS）经历了飞速发展，如今，在线推荐服务几乎可以使所有音乐触手可及。尽管当今的MRS可以极大地帮助用户在这些庞大的目录中找到有趣的音乐，但MRS的研究仍面临着严峻的挑战。特别是在构建、合并和评估推荐策略时，这些策略除了将信息整合到简单的用户物品交互、基于内容表达之外，还需要深入挖掘听众的需求、偏好和意图的本质。MRS研究成为很大的努力方向，但相关的出版物却很少。此趋势和调查文章的目的是双重的。
MATLAB算法实战应用案例精讲-【深度学习】评估指标（最终篇）
qq_36130719的博客
07-12 358
自推荐系统研究开始以来，对预测和推荐结果的评估一直都是十分重要的环节，一个推荐算法的优劣直接体现在其在这些评估指标上的表现。一般来说，按照推荐任务的不同，最常用的推荐质量度量方法可以划分为三类：（1）对预测的评分进行评估，适用于评分预测任务。（2）对预测的item集合进行评估，适用于Top-N推荐任务。（3）按排名列表对推荐效果加权进行评估，既可以适用于评分预测任务也可以用于Top-N推荐任务。。
推荐系统遇上深度学习(十六)--详解推荐系统中的常用评测指标
简书博客搬家测试账号
08-13 455
欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！ 对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tsaiedu，并注明消息来源，邀请你进入数据爱好者交流群，数据爱好者们都在这儿。 本文来自天善智能社区专栏作者[文文](https://ask.h...
MAP 与 MRR
独钓寒江雪
03-20 1万+
看论文时，发现对于wikiqa的评价指标常设为MAP、MRR这些Rank排序的指标，不是很理解，看了下面这篇博客有些理解了http://blog.csdn.net/lightty/article/details/47079017 在MAP中，四个文档和query要么相关，要么不相关，也就是相关度非0即1。MAP(Mean Average Precision)：单个主题的平均准确率是每篇相关文档检索...
MAP与MRR
最新发布
XUYH6904的博客
01-10 737
1.MAP（Mean Average Precision，平均精度均值）：MAP是一种常用的信息检索系统评价指标，用于衡量一个系统返回的前n个检索结果中，相关文档所占的比例与实际相关文档数之间的关系。其计算方法为：对于每个查询，找到第一个相关文档的排名n，将1/n作为该查询的分数，最后求所有查询的分数的平均值作为MRR值。MAP将系统返回的前n个检索结果中每个相关文档的精度作为评价指标，而MRR只关注系统返回的第一个相关文档的排名。优点：MRR简单易懂，能够反映出系统返回的第一个相关文档的排名情况。
问答系统QA的评价指标MAP、MRR、Accuracy@N
lppfwl的博客
09-29 7029
问答系统性能的评价指标MAP、MRR、Accuracy@N MAP(mean average precision) 即平均准确率，系统对所有候选答案进行评分，并按分值大小进行排序，正确答案越靠前，MAP值就越大 计算方式如下： 参考：https://www.jianshu.com/p/e1664861bc9d 比如共有三个问题，问题1有3个直接相关的答案，问题2有2个直接相关的答案，问题3有4个直接相关的答案。系统返回的答案中，问题1的3个答案的排序为1，3，5；问题2的2个答案的排序为2，3；问题3的4
信息检索与数据挖掘 | 【实验】检索评价指标MAP、MRR、NDCG
知识库搭建ing
11-14 2803
MAP、MRR、NDCG
对P, R, ACC, AP, mAP的理解
cicy5219的博客
05-31 1065
我也举个特殊情况，对于例题中的100次预测，如果我全部预测1次为P，99次为N，可能恰好这个P是预测正确的，即TP = 1, FP = 0, TN = 80, FN = 19。也就是我这么预测，对于预测为正的次数中，我是一击即中，再击没有了，做了回一秒真男人，但是总共有20个正样本，我只找出了1个，所以召回率就低了。前面精准率，召回率，都是关注点在正样本上，但是对于分类任务来说，预测正确与否，不单单是看正样本，负样本你预测为负，那也是一种正确。假如样本数量100，正样本20，负样本80；
IR的评价指标-MAP，MRR和NDCG的形象理解
anshuai_aw1的博客
10-17 9408
一 、MAP(Mean Average Precision)： 单个主题的平均准确率是每篇相关文档检索出后的准确率的平均值。主集合的平均准确率(MAP)是每个主题的平均准确率的平均值。MAP 是反映系统在全部相关文档上性能的单值指标。系统检索出来的相关文档越靠前(rank 越高)，MAP就可能越高。如果系统没有返回相关文档，则准确率默认为0。 只有1和0，1代表相关，0代表不相关。 例如：假...
性能评价指标（P AP mAP）
shine的博客
11-29 4310
性能评价指标： 评价模型的好坏的各种不同的指标。常用的性能评价指标有：错误率&精度、准确率&召回率、AP&mAP等。 错误率&精度 针对数据集D和学习器f而言： 1、错误率：分类错误的样本数占总样本的比例 2、精度：分类正确的样本数占总样本的比例 准确率&召回率 信息检索中，我们经常会关心“检索出的信息有多少比例是用户感兴趣的”以及“用户感...
目标检测识别中，mAP，AP，P值的定义与计算
weixin_40369473的博客
10-20 4554
mAP是衡量模型在所有类别上的准确率，是衡量模型的好坏的评价指标。mAP=所有类别的AP之和/类别数，AP是某一个类别的准确率，AP=每张图片的P之和/图片数量，P=（一张图片上某一类别识别的正确数量）/一张图片上某一类别的总数量 比如现在有三张图片，两个类别a,b 第一张图片有两个a,两个b，正确识别出a一个，正确识别出b一个，则这张图片a的P=1/2，b的P=1/2 第二张图片有三个a,...
一分钟看懂深度学习中的准确率（Accuracy）、精度（Precision）、召回率（Recall）和 mAP
热门推荐
程序猿视角
11-23 4万+
1. 真假阳性阴性 我们查体的时候，经常会听说检测结果呈”真阳性“、”假阴性“等说法。 其中”真“、"假"说的是检查结果的对错。”真“意味着检测结果是正确的，"假"意味着检测结果是错误的。 ”阳性“、"阴性"说的是这次的检查结果。阳性，意味检测出了预定的目标。阴性，意味着没查出预定的目标。 一共四种组合： 检测结果 英文术语 含义 真阳性 true positive 正确地检测到阳性结果：即检测结果正确，并且结果呈现阳性 假阳性 false positive 错误地检测到阳性结果：即
微环谐振器(MRR)原理与应用探索
"微环谐振器是一种在光通信领域广泛应用的光学元件，因其独特的优点如低成本、紧凑性、高集成度、低插入损耗和低串扰而在滤波、波分复用、开关、调制等多种功能中发挥关键作用。微环谐振器主要由微环波导和信道波导...
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
>