信息检索的评价指标(Precision, Recall, F-score, MAP)

最新推荐文章于 2025-03-15 19:15:11 发布
置顶 最新推荐文章于 2025-03-15 19:15:11 发布
阅读量4w 收藏 30
点赞数 8
分类专栏： 机器学习 机器学习实战笔记 文章标签： 机器学习 检索 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.youkuaiyun.com/lu597203933/article/details/41802155
版权
本文介绍了信息检索中的关键评价指标，包括Precision、Recall、F1分数（F-score）以及Mean Average Precision（MAP）。讨论了这些指标在召回率与准确率之间的权衡，以及在不同场景下的应用。通过举例和计算公式阐述了如何评估检索系统的性能，并提到了人工标注数据的重要性。

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

       之前写过一篇blog叫做机器学习实战笔记之非均衡分类问题：http://blog.youkuaiyun.com/lu597203933/article/details/38666699其中对Precision和Recall及ROC都有所讲解，其中区别在于Precision,Recall, F-score, MAP主要用于信息检索，而ROC曲线及其度量指标AUC主要用于分类和识别，ROC的详细介绍见上面的blog，这里的Precision、Recall和上篇blog的计算结果其实是一样的，只是这里从检索的角度进行理解。

一：Precision, Recall, F-score

信息检索、分类、识别、翻译等领域两个最基本指标是召回率(Recall Rate)和准确率(Precision Rate------注意统计学习方法中precesion称为精确率，而准确率为accuracy 是分类正确的样本除以总样本的个数。)，召回率也叫查全率，准确率也

最低0.47元/天 解锁文章
信息检索中常用的评价指标：MAP,nDCG,ERR,F-measure
tzl2093的博客
04-10 1万+
知识点文本检索常用的评价指标：MAP、nDCG、ERR、F-score/F-measure以及附加的Precision、Recall、AveP、CG、DCG、IDCG、MRR、cascade models 一，MAP Precision(P)： 准确率(精确度)是指检索得到的文档中相关文档所占的比例，公式如下： precision=|{relevantdocuments}⊆{ret
机器学习指标(Precision、Recall、mAP、F1 Score等)
林学森的技术专栏
04-26 4898
以下文章摘录自： 《机器学习观止——核心原理与实践》 京东：https://item.jd.com/13166960.html 当当：http://product.dangdang.com/29218274.html (由于博客系统问题，部分公式、图片和格式有可能存在显示问题，请参阅原书了解详情) ———————————————— 版权声明：本文为优快云博主「林学森」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.cs.
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 8610
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...
【scikit-learn】sklearn.metrics.precision_score() 函数： 分类模型评估指标 精确率
最新发布
彬彬侠的博客
03-15 1109
precision_score是sklearn.metrics提供的一个分类模型评估指标，用于计算精确率（Precision），适用于二分类、多分类和多标签分类任务。precision_score计算预测为正类的样本中，真正正类的比例。适用于减少误报（FalsePositive）的场景，如垃圾邮件检测、医学检测。适用于二分类、多分类任务，支持macro、micro、weighted等方式计算。不适用于极度不均衡数据（建议结合recall_score）。可能遇到除零错误，可使用zero_division=1处
搜索排序评价指标
smartcat2010的博客
11-23 1709
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） ...
图像检索评价指标mAP
朴素的小麦
05-28 1991
mAP为AP的平均值AP为不同召回率上的正确率的平均值。如果数据库中和查询信息相关的5条信息，分别出现在查询结果中的第1、3、6、9、10位，那么这次查询的AP就是： 得到多条查询的AP值，对其进行平均，就得到了mAP...
信息检索评价指标总结
向着星辰大海
05-09 1116
参考: 参考博客 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。   NDCG(N...
信息检索的评价指标(Precision, Recall, F-score, MAP、ROC、AUC）
lzxyzq的博客
05-04 5668
一：Precision, Recall, F-score          信息检索、分类、识别、翻译等领域两个最基本指标是召回率(Recall Rate)和准确率(Precision Rate------注意统计学习方法中precesion称为精确率，而准确率为accuracy 是分类正确的样本除以总样本的个数)，召回率也叫查全率，准确率也叫查准率，概念公式:
java 计算auc_信息检索的评价指标(Precision、Recall、F-score、MAP、ROC、AUC)
weixin_28756427的博客
03-05 407
一：Precision、Recall、F-score信息检索、分类、识别、翻译等领域两个最基本指标是召回率(Recall Rate)和准确率(Precision Rate——注意统计学习方法中precision称为精确率，而准确率accuracy是分类正确的样本除以总样本的个数)，召回率也叫查全率，准确率也叫查准率，概念公式：召回率(Recall) = 系统检索到的相关文件 / 系统所有相关的文件...
机器学习常用的评测指标Rank-n、Precision & Recall、F-score、Map 、CMC、ROC Single shot 和Muti shot
sinat_42239797的博客
06-25 7956
机器学习中常用的评测指标为：Rank-n、Precision & Recall、F-score、Map 、CMC、ROC Single shot 和Muti shot，下面一个个进行介绍。 写到这里方便以后查看 Rank-n和Map 均是衡量算法搜索能力的指标。 Rank-n 搜索结果中最靠前（置信度最高）的n张图有正确结果的概率 rank 1， 就是第一次命中 rank k，就是在第k...
图像检索，目标检测map的实现
weixin_62848630的博客
08-22 1297
如下图，该检索行人在gallery中有4张图片，在检索的list中位置分别为1、2、5、7，则ap为(1 / 1 + 2 / 2 + 3 / 5 + 4 / 7) / 4 =0.793；对于要预测的样本，比如说有7个真实框需要预测，预测框 预测框与真实框的iou大于阈值记为True，小于阈值记为Fasle，将他们按照类别置信度排序，如下图，然后选不同大小的类别置信度作为分界线。预测框先经过nms处理，然后计算TP,FP,FN。1.类别置信度选0.98，如图，此时TP = 1，FP=0，FN=7-1=6。
基于内容的图像检索系统的性能评价标准的研究
01-18
基于内容的图像检索系统的性能评价标准的研究 PDF 文档
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...
2021图像检索综述
AI数据工厂
05-25 1万+
本文是2021年最新的关于图像检索的综述，介绍了基于内容的图像检索（content based image retrieval， CBIR）在深度学习技术上的进展。
信息检索的评价指标(Precision、Recall、F-score、MAP、ROC、AUC)
universe_ant的博客
04-11 5973
一：Precision、Recall、F-score 信息检索、分类、识别、翻译等领域两个最基本指标是召回率(Recall Rate)和准确率(Precision Rate——注意统计学习方法中precision称为精确率，而准确率accuracy是分类正确的样本除以总样本的个数)，召回率也叫查全率，准确率也叫查准率，概念公式： 召回率(Recall) = 系统检索到的相关文件 / 系统所有相
CMC、mAP解析：图像检索领域评价指标
qq_43528044的博客
08-20 1044
图像检索领域评价指标CMC、mAP
召回率低的原因
laner__gg的博客
11-15 1万+
1、样本标注时多数正样本被错误的标注为负样本，这样模型学到正例的能力变弱，这样正样本预测为负样本的同时，负样本的精度也会减少。 方法一：对错误的标注样本进行修正，观察结果，看是否有改变。 2、一般情况下，正负样本比列小于1：100（看到有的人说1：1000一下，数值还不太确定）都不算不平衡。 3、方法三：增加数据量，认为可能是数据量不够，学不上来，效果不够； 特征找的不够，则会那个负样本区分力度不大，网络太浅，学不到特征。 ...
目标检测评价指标（含 mAP、F-measure、FPS）
热门推荐
dexterod的博客
04-30 2万+
写在前面的话 无论是目标检索、分类、还是检测，都有其自身的一套评价指标体系。可能其中很多概念很类似，比如精确度、召回率。但其实内涵还是有些不一样的。身为一个已经搞了一年图像目标检测的后进者，直到现在才发现，之前我以为轻松搞懂的评价标准，其实是错误的。今天特就自己翻阅的资料做一个汇总，不敢保证对，但至少修正了一部分自以为是的思想。 在网上之前看到的很多打着目标检测评价指标的博文，其实只是对分类做的评...
图像检索的准确度由什么判定？
陌上花开的博客
04-06 1955
目录1.图像2.相似度量3.检索性能的评价 1.图像 准确度的考量即相似的度量，而相似性的描述一般用“距离”。当然相似性度量时必须全面考虑多方面的主客观因素，这里只针对常用的方法。 一般来说，图像是一个标准的矩形，有着宽度（width）和高度（height），如果加上色彩RGB维度，立体的理解可看成三维坐标里的“点”，上述的“距离”就更好理解了。 2.相似度量 视觉特征测度空间度量、语义非测度空...
信息检索基础：小型系统的设计与应用
标题：“小型信息检索”描述：“小型信息检索”标签：“IR 信息检索”压缩包子文件的文件名称列表：InformationRetrieval 知识点解析： 1. IR（信息检索）基础概念 信息检索（Information Retrieval，简称IR）是...
评论 2
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