推荐系统之AUC指标的一些理解

以下是在一些整理的和自己的关于AUC的理解

1. AUC和GAUC的区别

• auc反映的是整体样本间的一个排序能力,
• 在计算广告领域, 实际要衡量的是不同用户对不同广告之间的排序能力,
  因此实际应该更关注的是同一个用户对不同广告间的排序能力。
  GAUC (group auc) 实际是计算每个用户的auc, 然后加权平均, 最后得到group auc, 这样就能 减少不同用户间的排序结果不太好比较这一影响。
  group auc具体公式如下:

实际处理时权重一般可以设为每个用户view或click的次数, 而且会过滤掉单个用户全是正样本或 负样本的情况
G A U C = ∑ ( u , p ) w ( u , p ) ∗ A U C ( u , p ) ∑ ( u , p ) w ( u , p ) \begin{equation} G A U C=\frac{\sum_{(u, p)} w_{(u, p)} * A U C_{(u, p)}}{\sum_{(u, p)} w_{(u, p)}} \end{equation} GAUC=∑(u,p)​w