计算Top K准确率和召回率的Python实现

最新推荐文章于 2025-04-21 09:47:31 发布
最新推荐文章于 2025-04-21 09:47:31 发布
阅读量518 收藏
点赞数
CC 4.0 BY-SA版权
文章标签： python 算法 开发语言 Python
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.youkuaiyun.com/HackDyno/article/details/132787077
Python 专栏收录该内容
266 篇文章 ¥59.90 ¥99.00
订阅专栏
本文介绍了如何使用Python计算信息检索和推荐系统中的Top K准确率和召回率。通过定义一个函数，根据用户的真实评分和推荐结果，计算两者交集并求平均值，得出平均Top K准确率和召回率。示例代码展示了在前3个推荐结果中，平均准确率为95.83%，召回率为93.33%。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

计算Top K准确率和召回率的Python实现

在信息检索和推荐系统中，评估模型的性能是非常重要的。其中，Top K准确率和召回率是常用的评估指标之一。本文将介绍如何使用Python计算Top K准确率和召回率，并提供相应的源代码。

首先，我们需要明确Top K准确率和召回率的定义。Top K准确率是指在前K个推荐结果中，有多少比例是正确的；而召回率是指在所有正确的结果中，有多少比例被推荐出来了。

接下来，我们将给出计算Top K准确率和召回率的Python实现。假设我们有一个用户对物品的真实评分和推荐模型给出的前K个推荐物品。我们可以通过以下步骤来计算Top K准确率和召回率：

首先，我们需要导入必要的库：

import numpy as np

接下来，我们定义一个函数来计算Top K准确率和召回率：

def calculate_topk_precision_recall
了解本专栏 订阅专栏 解锁全文
实现topK准确率和召回率的Python代码
学习使你进步。
06-03 636
在数据科学领域，准确率和召回率是两个非常重要的指标。准确率表示模型预测正确的样本数占总样本数的比例，而召回率则表示模型成功找出的正样本（即实际值为1）占所有正样本的比例。有时候我们还需要按照置信度排序，获取topK准确率和召回率。在这个示例中，我们生成了100个预测值和实际值，并随机生成了它们的值。然后，我们将它们传递给。这意味着，对于前5个置信度排序，精度为60％，而召回率为37.5％。是前K个置信度排序。它输出两个值，即topK准确率和召回率。函数，并请求返回前5个置信度排序的topK准确率和召回率。
最高K值的精确率和召回率——Python实现
BUG？不存在的！
05-28 190
常用的评估指标是精确率和召回率。当模型预测的结果正确时，我们称其为真阳性 (True Positive, TP)，而当模型预测结果错误时，我们称其为假阳性(False Positive, FP)。同样地，当模型未能检测到真正的正例时，我们称其为假阴性 (False Negative, FN)，而当模型成功预测出负例时，我们称其为真阴性 (True Negative, TN)。我们按照预测概率从高到低排序，并计算最高K值的精确率、召回率和对应阈值。例如，在癌症诊断中，考虑到误诊的后果严重，我们更关注精确率；
准确率(precision)和召回率(recall)
Knight的专栏
10-07 1775
在做图查询或者关键词查询结果中，我们经常采用两个标准来衡量查询结果的优劣。 准确率就是查询结果正确率的百分比。（正确性，多少结果是对的） 召回率就是正确的查询数目所占总的正确数目的比例。（有效性，能检测出多少正确结果） 两者没有必然的联系。比如正确的结果有2000个，对于一个查询Q，返回了500个结果，其中有200个是正确的，那么准确率precision就是200/5
召回率（Recall）
神棍之路
04-21 2651
召回率表示实际为正类的样本中被正确预测为正类的比例：正确预测的正类样本数；：实际为正类但被误判为负类的样本数。例如，在医疗检测场景中，若实际患病的50人中模型正确识别45人，召回率为 (45/50=90%)，表明模型成功找出90%的真实患者。召回率是评估模型“查全能力”的核心指标，需根据具体场景权衡其与精确率的关系。在医疗、安防等高风险领域，通常优先保证高召回率；而在误报成本较高的场景（如垃圾邮件过滤），则需侧重精确率。实际应用中，建议结合ROC曲线、F1值等多指标综合评估模型性能。
python topk()函数求最大和最小值
qq_40178291的博客
09-08 9914
函数介绍 a.topk()求a中的最大值或最小值，返回两个值，一个是a中的值（最大或最小），一个是这个值的索引。 代码示例 >>> import torch >>> a=torch.randn((3,5)) >>> a tensor([[-0.4790, -0.6308, 0.2370, 0.0380, -0.0579], ...
python TopK算法
xingtianyao的博客
09-20 3522
TopK算法 寻找数组中的最小的k个数，也叫topk问题。 该算法要解决的问题是：在线性时间内找到一个无序序列中第kk大的数。 如：输入n个整数，找出其中最小的K个数。例如输入4,5,1,6,2,7,3,8这8个数字，则最小的4个数字是1,2,3,4,。 思路： 快速排序的 partition() 方法，会返回一个整数 j 使得 a[l…j-1] 小于等于 a[j]，且 a[j+1…...
python topk
颹蕭蕭
12-18 1719
top k
python topk()函数求最大和最小值实例
09-17
主要介绍了python topk()函数求最大和最小值实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
轻松上手Scikit-learn——评估模型性能（准确率、精确率、召回率、ROC和AUC）
qq_36553572的博客
07-31 1851
ROC曲线(接收者操作特征曲线),是一种坐标图式的分析工具，用于选择最佳模型、舍弃次佳的模型或者在同一模型中设置最佳阈值。在做决策时，ROC分析能不受成本／效益的影响，给出客观中立的建议。使用top-k时，按照预测概率从大到小排序，只要从属于真标签的预测概率在前k个之内，便算做正确。一位警察很厉害，抓了很多犯人，但是这些犯人当中，只有少部分真正有罪，其他都是被冤枉的。的 (FPR, TPR) 座标都画在ROC空间里，就成为特定模型的ROC曲线。精确率有时也叫查准率，是指模型的预测结果有多少是准确的。
预测模型的准确率和召回率是评估模型性能的两个重要指标
code_welike的博客
06-17 474
这个例子中，我们的预测模型共有5个类别，对于每个样本，模型输出了一个长度为5的向量表示该样本属于每个类别的概率。我们通过np.argmax函数获取每个样本的预测标签，并使用这些标签计算TopK准确率和召回率。预测模型的准确率和召回率是评估模型性能的两个重要指标。在实际应用中，我们需要找到一个平衡点，使得准确率和召回率都能够达到较高的水平。总之，在实际应用中，我们需要根据具体的需求选择合适的评估指标，并使用相应的函数来计算模型性能。这里我们只计算正类别的召回率。最后，我们用一个例子来测试一下我们的函数。
pytorch的topk()函数
weixin_36670529的博客
05-14 3083
pytorch.topk()用于返回Tensor中的前k个元素以及元素对应的索引值。例： import torch item=torch.IntTensor([1,2,4,7,3,2]) value,indices=torch.topk(item,3) print("value:",value) print("indices:",indices) 输出结果为： 其中：value中存...
topk()函数
weixin_44012667的博客
10-18 385
个值及其对应的索引。这个函数在处理分类问题时尤其有用，因为它可以帮助我们找出模型预测的最可能的类别。是一个在 PyTorch 等深度学习框架中常见的函数，用于从一个张量（tensor）中获取最大的。1. 最大值（或最小值）的张量。2. 对应索引的张量。
python求最值_python topk()函数求最大和最小值实例
weixin_39897505的博客
11-25 392
函数介绍a.topk()求a中的最大值或最小值，返回两个值，一个是a中的值（最大或最小），一个是这个值的索引。代码示例>>> import torch>>> a=torch.randn((3,5))>>> atensor([[-0.4790, -0.6308, 0.2370, 0.0380, -0.0579],[-0.6712, -3.5483, -0.2370, -0.8658, 0.4145]...
Python torch.topk() 函数用法
sweet_tea_的博客
01-05 803
Python torch.topk() 函数用法
python 实现 topk算法
hanhan的博客
01-23 2236
这里的版本是针对的一个class的某一个成员变量进行的： 关于如何定义对象的比较方法，请参考往期文章：python定义对象的比较方法 class province_room_quality_data: def __init__(self, room, quality): self.room = room self.quality = quality def __lt__(self, other): return self.quality &lt
pytorch -- topk()
weixin_36670529的博客
05-08 1103
torch.topk(input, k, dim=None, largest=True, sorted=True, out=None) -> (Tensor, LongTensor) 沿给定dim维度返回输入张量input中 k 个最大值。 如果不指定dim，则默认为input的最后一维。 如果为largest为 False ，则返回最小的 k 个值。 返回一个元组 (values,i...
【Pytorch】topk函数
steptoward的博客
08-06 669
topk 是 PyTorch 中的一个函数，用于从张量中选取最大（或最小）的 k 个元素及其对应的索引。
Python 解决Topk问题
m0_74803157的博客
07-20 847
Topk问题，即是在长度为n的列表中找到最大的（或最小的）k个。
python中最大值函数_python topk()函数求最大和最小值实例
weixin_28221255的博客
02-03 1715
函数介绍a.topk()求a中的最大值或最小值，返回两个值，一个是a中的值(最大或最小)，一个是这个值的索引。代码示例>>> import torch>>> a=torch.randn((3,5))>>> atensor([[-0.4790, -0.6308, 0.2370, 0.0380, -0.0579],[-0.6712, -3.5483...
Top-K准确率
最新发布
05-20
Top-K 准确率是一种衡量模型性能的指标，尤其适用于多类别分类任务。它表示预测结果中前 K 个最高概率的类别是否包含真实标签的概率。具体来说，在一个样本集中，如果某个样本的真实标签位于模型预测的前 K 个高概率...
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