MAP是一种对于返回结果有rank的度量标准,通常用与信息检索中。
对于svm训练的分类器的预测结果,
假设有N+个正样本,那么MAP的计算过程为:
首先对svm的预测结果排序,只返回》0.5的即被认为是相关的样本数目列表假设为M
MAP=sum(Precise(i(i belong to M)))/N.
而Precise的计算为:分子为当前找到的正样本个数,分母为正样本现在的index。
MAP是一种对于返回结果有rank的度量标准,通常用与信息检索中。
对于svm训练的分类器的预测结果,
假设有N+个正样本,那么MAP的计算过程为:
首先对svm的预测结果排序,只返回》0.5的即被认为是相关的样本数目列表假设为M
MAP=sum(Precise(i(i belong to M)))/N.
而Precise的计算为:分子为当前找到的正样本个数,分母为正样本现在的index。