深度学习常用评价指标(Accuracy、Recall、Precision、HR、F1 score、MAP、MRR、NDCG)——推荐系统

本文主要是介绍深度学习常用评价指标(Accuracy、Recall、Precision、HR、F1 score、MAP、MRR、NDCG)——推荐系统,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

混淆矩阵

混淆矩阵
P(Positives)N(Negatives)
T(Ture)TP:正样本,预测结果为正TN:负样本,预测结果为正
F(False)FP:正样本,预测结果为负FN:负样本,预测结果为负

总结

Accuracy\frac{TP+TN}{TP+FP+TN+FN}
Recall\frac{TP}{TP+FN}
Precision\frac{TP}{TP+FP}
Hits RatioHR=\frac{1}{N}\sum\limits_{i=1}^{N}{hits(i)}
F1 scoreF1score=2\frac{precision\cdot recall }{precision+ recall} \\ =\frac{2TP}{2TP+FP+FN}
Mean Average PrecisionAP=\frac{1}{R}\sum{Precision(rank)} \\ MAP=\frac{1}{C}\sum{AP}
Mean Reciprocal RankMRR=\frac{1}{N}\sum\limits_{i=1}^{N}{\frac{1}{​{​{p}_{i}}}}
Normalized Discounted Cumulative GainNDCG=\frac{1}{N}\sum\limits_{i=1}^{N}{\frac{1}{lo{​{g}_{2}}({​{p}_{i}}+1)}}

1、准确率(Accuracy)

含义:预测正确的样本在所有样本中的比列。

公式:\frac{TP+TN}{TP+FP+TN+FN}

注:在样本不平衡的情况下,不能作为很好的指标来衡量结果。

2、召回率(Recall)&查全率

含义:预测正确的正样本在所有正样本中所占的比例,即表示有多少比例的用户-物品交互记录包含在最终的预测列表中。

公式:\frac{TP}{TP+FN}

注:准确率和召回率都只能衡量检索性能的一个方面。

3、精确率(Precision)&查准率

含义:在全部预测为正的结果中,被预测正确的正样本所占的比例。

公式:\frac{TP}{TP+FP}

 注:召回率和精确率是一对矛盾的指标,当召回率高的时候,精确率一般很低;精确率高时,召回率一般很低。

4、命中率(Hits Ratio)

含义:预测结果列表中预测正确的样本占所有样本的比例,即用户想要的项目有没有推荐到,强调预测的“准确性”。

公式:HR=\frac{1}{N}\sum\limits_{i=1}^{N}{hits(i)}

N,表示用户总数量

hits(i),表示i个用户访问的值是否在推荐列表中,是则为1,否则为0

5、F1分数(F1 score)

含义:精确率与召回率的调和均值。

公式:F1score=2\frac{precision\cdot recall }{precision+ recall}=\frac{2TP}{2TP+FP+FN}

6、平均精度均值(Mean Average Precision)

Average Precision(AP):平均精确率,在召回率从0到1逐步提高的同时也要保证准确率比较高,AP值尽可能的大。

含义:用多个来衡量性能,多个类别AP的平均值。

公式:AP=\frac{1}{R}\sum{Precision(rank)} \\ MAP=\frac{1}{C}\sum{AP}

7、平均倒数排名(Mean Reciprocal Rank)

含义:平均结果中的排序倒数,表示待推荐的项目是否放在了用户更显眼的位置,强调“顺序性”。

公式:MRR=\frac{1}{N}\sum\limits_{i=1}^{N}{\frac{1}{​{​{p}_{i}}}}

N,表示用户的总数。

pi,表示第i个用户的真实访问值在推荐列表的位置,若推荐列表不存在该值,则pi->∞。

8、归一化折损累计增益(Normalized Discounted Cumulative Gain)

含义:表示归一化加入位置信息度量计算的前p个位置累计得到的效益。

公式:NDCG=\frac{1}{N}\sum\limits_{i=1}^{N}{\frac{1}{lo{​{g}_{2}}({​{p}_{i}}+1)}}

N,表示用户的总数。

pi,表示第i个用户的真实访问值在推荐列表的位置,若推荐列表不存在该值,则pi->∞。

这篇关于深度学习常用评价指标(Accuracy、Recall、Precision、HR、F1 score、MAP、MRR、NDCG)——推荐系统的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/590755

相关文章

Python的time模块一些常用功能(各种与时间相关的函数)

《Python的time模块一些常用功能(各种与时间相关的函数)》Python的time模块提供了各种与时间相关的函数,包括获取当前时间、处理时间间隔、执行时间测量等,:本文主要介绍Python的... 目录1. 获取当前时间2. 时间格式化3. 延时执行4. 时间戳运算5. 计算代码执行时间6. 转换为指

Python正则表达式语法及re模块中的常用函数详解

《Python正则表达式语法及re模块中的常用函数详解》这篇文章主要给大家介绍了关于Python正则表达式语法及re模块中常用函数的相关资料,正则表达式是一种强大的字符串处理工具,可以用于匹配、切分、... 目录概念、作用和步骤语法re模块中的常用函数总结 概念、作用和步骤概念: 本身也是一个字符串,其中

usb接口驱动异常问题常用解决方案

《usb接口驱动异常问题常用解决方案》当遇到USB接口驱动异常时,可以通过多种方法来解决,其中主要就包括重装USB控制器、禁用USB选择性暂停设置、更新或安装新的主板驱动等... usb接口驱动异常怎么办,USB接口驱动异常是常见问题,通常由驱动损坏、系统更新冲突、硬件故障或电源管理设置导致。以下是常用解决

Python中__init__方法使用的深度解析

《Python中__init__方法使用的深度解析》在Python的面向对象编程(OOP)体系中,__init__方法如同建造房屋时的奠基仪式——它定义了对象诞生时的初始状态,下面我们就来深入了解下_... 目录一、__init__的基因图谱二、初始化过程的魔法时刻继承链中的初始化顺序self参数的奥秘默认

springboot项目中常用的工具类和api详解

《springboot项目中常用的工具类和api详解》在SpringBoot项目中,开发者通常会依赖一些工具类和API来简化开发、提高效率,以下是一些常用的工具类及其典型应用场景,涵盖Spring原生... 目录1. Spring Framework 自带工具类(1) StringUtils(2) Coll

mysql的基础语句和外键查询及其语句详解(推荐)

《mysql的基础语句和外键查询及其语句详解(推荐)》:本文主要介绍mysql的基础语句和外键查询及其语句详解(推荐),本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋... 目录一、mysql 基础语句1. 数据库操作 创建数据库2. 表操作 创建表3. CRUD 操作二、外键

利用Python快速搭建Markdown笔记发布系统

《利用Python快速搭建Markdown笔记发布系统》这篇文章主要为大家详细介绍了使用Python生态的成熟工具,在30分钟内搭建一个支持Markdown渲染、分类标签、全文搜索的私有化知识发布系统... 目录引言:为什么要自建知识博客一、技术选型:极简主义开发栈二、系统架构设计三、核心代码实现(分步解析

Java String字符串的常用使用方法

《JavaString字符串的常用使用方法》String是JDK提供的一个类,是引用类型,并不是基本的数据类型,String用于字符串操作,在之前学习c语言的时候,对于一些字符串,会初始化字符数组表... 目录一、什么是String二、如何定义一个String1. 用双引号定义2. 通过构造函数定义三、St

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

Linux系统中卸载与安装JDK的详细教程

《Linux系统中卸载与安装JDK的详细教程》本文详细介绍了如何在Linux系统中通过Xshell和Xftp工具连接与传输文件,然后进行JDK的安装与卸载,安装步骤包括连接Linux、传输JDK安装包... 目录1、卸载1.1 linux删除自带的JDK1.2 Linux上卸载自己安装的JDK2、安装2.1