RAG评估指标 Recall、MRR、NDCG

核心指标 Recall、MRR、NDCG 解析

1. Recall（召回率）

概念与原理
Recall 衡量模型正确识别正例的能力，定义为 所有真实正例中被正确预测的比例，公式为：
$$\text{Recall} = \frac{TP}{TP + FN}$$
其中，TP（True Positive）为真正例，FN（False Negative）为假反例。
特点：

• 关注“漏检”，适用于对漏检容忍度低的场景（如疾病诊断、安防检测）。
• 与 Precision（精确率）存在权衡关系，需结合 F1-score 综合评估。

实践与举例

• 代码示例（基于 sklearn）：

  from sklearn.metrics import recall_score 
  y_true = [1, 0, 1, 1] # 实际标签 
  y_pred = [1, 0, 0, 1] # 预测标签 
  recall = recall_score(y_true, y_pred) # 输出 0.67（正确预测 2/3 的正例） 

• 应用场景：目标检测中，若某模型在 100 个行人中正确检测出 80 个，则 Recall=80%。

---

2. MRR