map5 评价方法-鲸鱼比赛-kernel 解读1

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。例如，如果正确的标签是都是第一个，以下的预测都得到1.0的平均精度。

提交文件

对于测试集中的每一张图片，您最多可以预测5个鲸鱼的id。未被预测为训练数据中标签之一的鲸鱼应被标记为新鲸。该文件应包含一个标头并具有以下格式：

 

Map5 打分标准的解释

(https://www.kaggle.com/pestipeti/explanation-of-map5-scoring-metric)

精度： 正确预测的阳性样本占所有阳性样本的比值

Precision @k

阈值k 下的精度P(k) z只用rank1 到 k的预测值来计算，例如表格中x，为正确的，?为不正确的预测。

Precision @5 per image

本次比赛中的评分标准有点让人疑惑，根据（https://www.kaggle.com/c/humpback-whale-identification/discussion/73303）的讨论，在第一次出现正确的类别的时候会停止计算，并且P(1)=1.因此 correct incorrect incorrect incorrect incorrect ，这样的预测的精度为1.

所以我们不需要计算到5，只需要第一个是正确的预测，比赛中每张图片都只有一个正确的类别，因此每张图可能的精度为0,或者为P(k)=1/k。