MAP_K 检索评估指标

最新推荐文章于 2025-06-25 18:23:20 发布
原创 最新推荐文章于 2025-06-25 18:23:20 发布 · 3.3k 阅读 · 3 ·
CC 4.0 BY-SA版权
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。
文章标签：

#MAP #信息检索 #mean #mean average

MAP_K，即Mean Average Precision，是衡量信息检索效果的重要指标。它通过对每个查询的Average Precision取平均值得到。Precision@K表示在前K个结果中相关文档的比例，而Average Precision则是所有相关文档在不同排名位置的精确度的加权平均。文章通过公式解释了Precision、Recall和AP的概念，并提供实战应用指导。

1. MAP_K

MAP: mean average precision.

  • precision很容易理解；precision@10表示检索10个文档中包含相关所占的比例， 比如检索了10个，有9个是相关的，那么 precision@10=0.9

  • average precision, 也容易理解。 可以看p1，p2，p3，p4，p5，p6的平均值；就是 ap6的值

  • mean 则是对所有的case求mean则是结果。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-aG6uDOO8-1590328481054)(ap.png)]

2. 几个公式

precision=∣{ relevant documents}∩{ retrieved documents}∣∣{ retrieved documents}∣precision=\frac{|\{relevant\ documents\} \cap \{retrieved\ documents\}|}{|\{retrieved\ documents\}|}precision=∣{ retrieved documents}∣∣{ relevant documents}∩{

最低0.47元/天 解锁文章
车辆重识别(Re-ID)中的mAP和Rank-k评测指标
Chen_yuazzy的博客
04-12 7802
1. mAP(mean Average precision) mAP(mean Average precision，平均精度均值)是目标检测和多标签图像分类等任务中常用的评测指标，因为这类任务中的标签数量大多不止一个，因此不能用普通的单标签图像的分类标准，即mean accuracy。mAP指将多类任务中的平均精度（AP）求和再取平均。mAP的相对大小是衡量一个同类任务模型好坏的重要标准之一。下面...
【评估指标】MAP@k (信息检索)
藓类少女的博客
11-22 1426
MAP@k是一种用于评估模型在信息检索或多标签分类任务中预测结果质量的指标。它衡量模型在预测前 k 个结果中相关性（正确性的平均精度），并对所有样本取平均值。U：测试样本的总数（问题的数量）。AP@k(u)：第 u 个问题的，计算方式如下：P(i)：到预测列表中第 i 个位置的精度（Precision at i）：rel(i)：指示函数，如果第 i 个预测在实际答案列表，则 rel(i) = 1，否则 rel(i) = 0。
IR常用评价指标计算方式（AUC,MAP,NDCG,MRR，Precision、Recall、F-score）
ance_xiaojia的博客
11-22 8863
AUC,MAP,NDCG,MRR，Precision、Recall、F-score 1.AUC（Area Under Curve） ROC曲线下方的面积大小,由于ROC曲线一般都处于y=x这条直线的上方，所以AUC的取值范围在0.5和1之间。使用AUC值作为评价标准是因为很多时候ROC曲线并不能清晰的说明哪个分类器的效果更好，而作为一个数值，对应AUC更大的分类器效果更好。 首先AUC值是一...
MAP@K metric for keras with tensorflow backend
赵大宝的博客
11-15 844
https://www.kaggle.com/c/santander-product-recommendation/discussion/25928
【评估指标】MAP@k (目标检测)
最新发布
藓类少女的博客
06-25 1359
在插值前，需确保 Precision 是 Recall 的单调递减函数（若某点 Precision 高于前一点，则将其替换为前一点的值）。若 PR 曲线的点为 (r1, p1), (r2, p2), …对每个类别，绘制 Precision-Recall 曲线，计算曲线下面积（通常用11点插值法或积分法）。是评估模型性能的重要指标，尤其在多类别物体检测和排序场景中（如目标检测竞赛或推荐系统）。对每张图片的预测框按置信度从高到低排序，保留前。取平均值，反映模型在多类别上的整体表现。在目标检测或分类任务中，
跨模态检索评价指标，pr曲线，map
weiyuxin的博客
10-10 2348
跨模态检索评价指标 精确率，准确率，召回率，混淆矩阵 以二分类算法为基础 TN：算法预测为负例（N），实际上也是负例（N）的个数，即算法预测对了（True）； FP：算法预测为正例（P），实际上是负例（N）的个数，即算法预测错了（False）； FN：算法预测为负例（N），实际上是正例（P）的个数，即算法预测错了（False）； TP：算法预测为正例（P），实际上也是正例（P）的个数，即算法预测对了（True） 混淆矩阵 预测值 0 预测值 1 真实值 0 TN FP 真实值 1
信息检索的评价指标介绍——MAP，NDCG
ictcxq的博客
01-23 1996
MAP MAP: Mean Average Precision，表示信息检索系统（搜索引擎）的平均正确率。其公式如下： MAP=∑Qq=1AveP(q)QMAP = \frac {\sum_{q=1}^Q AveP(q)}{Q} 其中，QQ表示query的数量，AvePAveP表示每条query的平均准确率，其计算公式如下： AveP=∑nk=1(P(k)∗rel(k))总相关文档数量Av
图像检索 - 评价指标
长风破浪会有时，直挂云帆济沧海
10-09 1万+
图像检索评价指标 1. Precision & Recall & F-Score Precision - 查准率；准确率 Precison=检索到的相似图片个数检索到的全部图片总数=预测为正样本的图片个数所有被预测为正样本的图片总数Precison=检索到的相似图片个数检索到的全部图片总数=预测为正样本的图片个数所有被预测为正样本的图片总数Precison= \fr...
如何计算map？
wlw8023diya的博客
06-04 1574
1.VOCdevkit/VOC2007/ImageSets/Main/test.txt、val.txt、train.txt、trainval.txt由voc2yolo4.py生成 可以使用trainval_percent和train_percent的比例改变来修改 实验比例的话是trainval_percent=0.9,train_percent=1 根据我来看的代码，使用k-means聚类之后得到的结果不需要改变这边。 ————————————2021.4.18—————————————————— D:\
map5 评价方法-鲸鱼比赛-kernel 解读1
qq_16236875的博客
03-03 696
问题描述：通过鲸鱼尾识别鲸鱼的种类 数据介绍：鲸鱼尾的图像 评价方法： 将数据集中的图片通过算法来求出某个值根据map @ 5来进行分类 其中U是图片的个数，P（k）是在阈值k下的精度，n是每个图像的预测数目， rel（k）是一个指示函数，当k位置的是正确的类别，指示函数等于1，否则为零。 对于一张图片，一旦预测出来的第一个为正确的label，在计算会跳过这张图片的额外预测。例...
图像检索评价指标：mAP@k、mAP的计算
热门推荐
liupc的学习笔记
08-05 1万+
一、mAP(mean Average Precision，平均检索精度) 【原理】 很多地方喜欢用这张图来解释，确实画的很好。这张图是求mAP@10的结果。 mAP@k，就是查询的时候返回k张图片，然后计算mAP。 mAP呢，就是对所有的结果都进行排序。k就等于gallery数据集的大小了。 【举例】 假设有3张图片，这三张图片的哈希码为：query1=[1,-1,1,1]， query2=[-1,1,-1,-1]，query3=[1,-1,-1,-1]。 数据库中有7张图片，对应的哈
多模态推荐系统指标总结
欢迎来到三水编程的博客
03-10 769
多模态推荐系统指标总结
Precision@K 和 Recall@K 在推荐系统中的应用
爱猫的小学森
10-02 2224
Precision@K 和 Recall@K
MAP 推荐系统 Mean Average Precision
百载文枢江左的博客
11-01 2635
MAP 推荐系统 Mean Average Precision简介欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowc...
搜索引擎评价指标及指标间的关系
weixin_44392103的博客
01-30 2643
精确率是考虑预测为正样本的样本中有多少是真正的正样本，而召回率是考虑实际为正样本的样本中有多少被预测为正样本。但很准的原因可能是模型太严格，例如100个正例，模型只判断了其中1个为正，确实这个样本分对了，但是依旧错分了其他99个，造成假阴性变高。在其他情况下，F1值更注重精确率和召回率的平衡，如果一个模型的精确率很高但召回率很低，或者反之，那么F1值将会比较低。会带来很高的假阳性。在这个例子中，预测为正样本的样本数是1，而预测为正样本且实际为正样本的样本数也是1（因为只有一个正样本被预测为正样本）。
机器学习、深度学习评价指标汇总：TP、TN、FP、FN、AP、mAP、IoU、mAP@3、Prec@10、 Acc@10
buyaotutou的博客
10-10 2593
真正例 (True Positive, TP)模型正确地将正类（例如，某种疾病存在）预测为正类的实例数量。假正例 (False Positive, FP)模型错误地将负类（例如，某种疾病不存在）预测为正类的实例数量。这通常被称为“误报”。真负例 (True Negative, TN)模型正确地将负类预测为负类的实例数量。假负例 (False Negative, FN)模型错误地将正类预测为负类的实例数量。这通常被称为“漏报”。真正例和真负例反映了模型的正确预测能力。假正例和假负例。
precision@k
weixin_35751412的博客
12-27 1114
precision@k是一种衡量推荐系统(或者搜索系统)的指标。它表示的是在前k个推荐(或者搜索结果)中，有多少个是正确的(也就是说用户会感兴趣的)。 具体来说，假设我们有一个推荐系统，它向用户推荐了k个物品。假设其中有p个物品是用户感兴趣的，那么precision@k=p/k。 例如，如果我们的推荐系统向用户推荐了10个物品，其中有7个是用户感兴趣的，那么precision@10=7/10=0....
MAP在目标检测和图像检索中的计算（详细）
herr_kun的博客
06-22 4029
前言：该博客没有进行IOU Precision Recall等指标的计算讲解，默认这些基本知识已经掌握，这里只对 map 中比较难懂且和其他博客中存在歧义的部分进行讲解。 目标检测中的 map 计算： 举个栗子： Image 1：预测出了5个框（在一定的阈值下，且经过了NMS等处理），真实的标注信息只有三个框（也就是只能有3个correct 框），将5个预测框通过置信度进行排序，然后分别从上至下计算 precision 和 recall ，得到这些值就可以绘制 P-R 曲线了，计算面积就是最终的AP.
搜索排序评价指标
smartcat2010的博客
11-23 1865
信息检索中常用的评价指标：MAP,NDCG,ERR,F-measure 一. NDCG: Normalized Discounted Cumulative Gain; rel是相关度(Gain)；i是排名位置（Discounted）, 加起来就是Cumulative N是Normalized; (Query是同一个p，但是分子（当前列表）和分母（最优列表）的内容可能不同） ...
map评价指标
03-23
平均精度（Mean Average Precision, MAP）是一种常用的用于衡量信息检索和机器学习模型性能的评价指标。它通过计算多个查询的平均精度来综合反映系统的整体表现。 #### 平均精度（Average Precision） 对于单个查询...
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