推荐系统常用的评价指标：HR、NDCG、MRR

最新推荐文章于 2024-03-20 21:04:45 发布
原创 最新推荐文章于 2024-03-20 21:04:45 发布 · 1.6k 阅读 · 0 ·
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：

#推荐系统 #评测指标

博客提及推荐系统常用的评价指标，包括HR、NDCG、MRR。这些指标在推荐系统评测中具有重要作用，能帮助评估推荐系统的性能。
排序(ranker)模型里面常用的评价指标梳理
Miracle8070
07-30 7176
1. 写在前面 最近的任务需要用到排序性的模型了，也就是LearningToRank的排序算法，关于这种排序算法， 预测的目标并不是点击或者不点击这样的二分类问题， 而是一个列表的整体排列顺序，是一种list-wise的方法，有时候更加符合推荐的场景。之前也整理过一篇文章, 具体的可以参考。 说到排序结果， 必然需要有指标用于评价排序结果的好坏，所以这篇文章的话主要是整理排序里面用到的常用评价指标，比如我们常听到的MRR(Mean Reciprocal Rank), MAP(Mean Average Pre
推荐算法评估：precision ，recall，mrr，NDCG
不贪吃的猪
09-29 7201
ground_true 为1 的情况： recall=hit_rate 这时值的计算与你推荐个数多少无关，recall 又叫查全率，只要押中了，那就认为单用户命中率为100%。 precision 和 topk 有关，单个用户为 命中个数/topk，与recall 成正比。 计算平均值时用，命中的用户个数 / 总的用户个数。 ground_truth 为 多个 的情况： reca...
【推荐系统】常用评价指标NDCG、HR、Recall、MRR解析
Danger的博客
05-09 1万+
【推荐系统】常用评价指标NDCG、HR、Recall、MRR解析
推荐系统的评价指标笔记（NDCG、MAP、AUC、HR、MRR）
pocket_eight的博客
09-27 5274
NDCG Normalized Discounted Cummulative Gain 累积增益CG，CG表示每个推荐结果相关性的分数的累加， CGk=∑i=1kr(i)CG_k=\sum_{i=1}^kr(i)CGk​=i=1∑k​r(i) 其中relirel_ireli​是位置iii的推荐结果的相关性，kkk是推荐列表的大小. 如果我们考虑到位置对推荐的影响，比如，相关性高的应该尽量排在推荐列表的前面。这里引入DCG，考虑位置的影响因素： DCGk=∑i=1kr(i)log⁡2(i+1)DCG_k=\s
推荐系统常见评测标准之MAP与NDCG
Liu-Cheng Xu
08-24 1万+
MAPAP在了解MAP(Mean Average Precision)之前，先来看一下AP(Average Precision), 即为平均准确率。对于AP可以用这种方式理解: 假使当我们使用google搜索某个关键词，返回了10个结果。当然最好的情况是这10个结果都是我们想要的相关信息。但是假如只有部分是相关的，比如5个，那么这5个结果如果被显示的比较靠前也是一个相对不错的结果。但是如果这个5个相
推荐系统中的MRR指标
weixin_44110392的博客
03-06 8374
MRR（Mean reciprocal rank） MRR最早是在搜索场景下衡量，返回结果的质量。 其基于一个假设“每一个query Q只有一个与其相关(relevant)的结果A” 指标反应的是我们找到的这些item是否摆在用户更明显的位置，强调位置关系，顺序性。公式如下，N表示推荐次数，1/p表示用户真实访问的item在结果列表中的位置，如果没在结果序列中，则p为无穷大，1/p为0。 如上图，有N次搜索，p_i是第i次搜索的结果中最相关结果的位置，其倒数就是返回结果的质量。 python实现： '''
深度学习常用评价指标（Accuracy、Recall、Precision、HR、F1 score、MAP、MRR、NDCG）——推荐系统
记录知识，学习分享
04-11 1万+
1、准确率(Accuracy) 定义： 公式： 优缺点： 2、精确率(Precision) 3、召回率(Recall) 4、命中率(Hits Ratio) 5、平均精度均值(Mean average precision) 6、平均倒数排名(Mean Reciprocal Rank) 7、归一化折损累计增益(Normalized Discounted Cumulative Gain) ...
推荐系统常用评价指标及其 Python 实现
A-Egoist的博客
05-08 1400
推荐系统常用评价指标(Precision、Recall、HR、MRR、NDCG)
推荐系统中常用评价指标及其实现
最新发布
A-Egoist的博客
03-20 2538
本文参考大量文章整理了推荐系统中推荐系统中常用评价指标的定义及实现, 包含 Recall, Precision, HR, MRR, MAP, NDCG 等指标.
【科研分享】推荐算法指标总结（ACC，Precision，Recall，F1，FPR，TPR，ROC，AUC，MAP，MRR，HR，NDCG...）
JinyuZ1996的博客
03-08 2万+
常用的推荐算法指标解释总结 1. 指标计算的参数（TP，TN，FP，FN） 　　TP：被正确分类的正例（True-Positive），即正例被分成正例的样本。 　　TN：被正确分类的负例（True-Negative），即负例被分成负例的样本。 　　FP：被错误分类的负例（False-Positive），即本来是负例却被分成了正例的样本。 　　FN：被错误分类的正例（False-Negative），即本来是正例却被分成了负例的样本。 2. 预测精准度（Accuracy） 　　即被正确分类的正例和
推荐系统评价指标 HR MRR NDCG
qq_43431934的博客
03-04 3349
HR(hit rate) 命中率。用户想要的东西，推荐系统有没有推荐出来，强调预测的"准确性" N：表示用户的访问总量，就是用户真实点击的个数。 hit(i) ：如果推荐系统推荐商品i，hit(i)就为1，否则为0。 MRR(平均倒数排名) 关心找到的这些项目，是否放在用户显眼的位置里，即强调顺序性。 N：表示用户的访问总量，就是用户真实点击的个数。 pi：表示itemi在推荐结果中出现的位置，如果没有出现，则pi就为+∞。 NDCG(Normalized ...
评价指标reacll@10,mrr@10,ndcg@10,hit@10的含义
wcc8848的博客
02-25 2万+
在知识图谱补全和推荐系统中常用到recall,mrr,ndcg,hit的评价指标 知识图谱补全也成为链接预测，是用来预测三元组（h，r，t）中缺失实体h，t或r的任务，对于每一个缺失的实体，模型将被要求用所有的知识图谱中的实体作为候选项进行计算， 在测试阶段，对于每个待测试三元组，用知识图谱中的除去h与t之外的其他实体作为候选项来替换头实体或尾实体，并且按大小顺序给出这些实体的评分函数f_r。 还是按照上述进行f函数值排列，然后去看每个testing triple正确答案是否排在序列的前十，如果在的话
推荐算法常用评价指标：NDCG、MAP、MRR、HR、ILS、ROC、AUC、F1等
热门推荐
十三
04-21 9万+
1 混淆矩阵 TP（true positive）：表示样本的真实类别为正，最后预测得到的结果也为正； FP（false positive）：表示样本的真实类别为负，最后预测得到的结果却为正； FN（false negative）：表示样本的真实类别为正，最后预测得到的结果却为负； TN（true negative）：表示样本的真实类别为负，最后预测得到的结果也为负. 其中，TP与TN表示分类正确...
推荐系统-排序算法：常用评价指标：NDCG、MAP、MRR、HR、ILS、ROC、AUC、F1等
u013250861的博客
10-31 1652
推荐系统-排序算法：MAP指标（Mean Average Precision）
推荐系统的评价指标--------命中率（Hit Rate）、平均倒数排名（MRR）和归一化折扣累积增益（NDCG）
m0_68682144的博客
01-18 1万+
命中率是衡量推荐系统准确性的指标之一。它表示。命中率的计算非常直接。你只需要统计推荐列表中用户实际感兴趣的项目数量，然后除以测试集中用户实际感兴趣的总项目数量。示例：假设一个用户在测试集中对5个项目感兴趣，推荐系统推荐了10个项目，其中3个是用户实际感兴趣的，那么命中率为 3/5 = 0.6。
Pytorch----模型的保存, 加载和直接测试
weiwei935707936的博客
02-09 8620
模型的保存和加载: 保存参数表 torch.save(the_model.state_dict(), PATH) the_model = TheModelClass(*args, **kwargs) the_model.load_state_dict(torch.load(PATH)) 直接保存模型 (不是的, 你的pth变量会保存很多东西) torch.save(the_model, PATH) the_model = torch.load(PATH) 模型的直接测试: 在pre.
NDCG评价指标讲解
u011926899的专栏
09-26 1万+
Normalized Discounted Cumulative Gain，即NDCG，常用于作为对rank的评价指标，当我们通过模型得出某些元素的ranking的时候，便可以通过NDCG来测评这个rank的准确度，同样的算法还包括MAP,MRR等，这里只讲解NDCG。 我们通过一个实例来说明一下这个NDCG的用法 id 1 2 3 4 5 模型评分
IR的评价指标-MAP,NDCG和MRR
Sigh～
07-27 1万+
Map：相关性，1 or 0，计算排序后rank值 NDCG： 设定相关性等级（2^5-1, 2^4-1…） 计算累计增益值（嗯，就累加起来） 计算折算因子log(2)/log(1+rank) （越靠前的，越容易被点击） 归一化到NDCG，为了不同等级上的搜索结果的得分值容易比较 4.1. 首先计算理想list的MaxDCG 4.2 相除即可 MRR：”把标准答案在被评价系统给出结果中的排
学习到排名：NDCG与MAP评估标准的深度解析
本文档深入探讨了在机器学习领域日益重要的"学习到排序"（Learning to Rank）方法中的评估指标，特别是...理解并掌握这些评估指标和它们与损失函数的对应关系，对于开发出满足实际需求的推荐系统和搜索引擎至关重要。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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