混淆矩阵

混淆矩阵
P(Positives)N(Negatives)
T(Ture)TP:正样本,预测结果为正TN:负样本,预测结果为正
F(False)FP:正样本,预测结果为负FN:负样本,预测结果为负

总结

Accuracy\frac{TP+TN}{TP+FP+TN+FN}
Recall\frac{TP}{TP+FN}
Precision\frac{TP}{TP+FP}
Hits RatioHR=\frac{1}{N}\sum\limits_{i=1}^{N}{hits(i)}
F1 scoreF1score=2\frac{precision\cdot recall }{precision+ recall} \\ =\frac{2TP}{2TP+FP+FN}
Mean Average PrecisionAP=\frac{1}{R}\sum{Precision(rank)} \\ MAP=\frac{1}{C}\sum{AP}
Mean Reciprocal RankMRR=\frac{1}{N}\sum\limits_{i=1}^{N}{\frac{1}{​{​{p}_{i}}}}
Normalized Discounted Cumulative GainNDCG=\frac{1}{N}\sum\limits_{i=1}^{N}{\frac{1}{lo{​{g}_{2}}({​{p}_{i}}+1)}}

1、准确率(Accuracy)

含义:预测正确的样本在所有样本中的比列。

公式:\frac{TP+TN}{TP+FP+TN+FN}

注:在样本不平衡的情况下,不能作为很好的指标来衡量结果。

2、召回率(Recall)&查全率

含义:预测正确的正样本在所有正样本中所占的比例,即表示有多少比例的用户-物品交互记录包含在最终的预测列表中。

公式:\frac{TP}{TP+FN}

注:准确率和召回率都只能衡量检索性能的一个方面。

3、精确率(Precision)&查准率

含义:在全部预测为正的结果中,被预测正确的正样本所占的比例。

公式:\frac{TP}{TP+FP}

 注:召回率和精确率是一对矛盾的指标,当召回率高的时候,精确率一般很低;精确率高时,召回率一般很低。

4、命中率(Hits Ratio)

含义:预测结果列表中预测正确的样本占所有样本的比例,即用户想要的项目有没有推荐到,强调预测的“准确性”。

公式:HR=\frac{1}{N}\sum\limits_{i=1}^{N}{hits(i)}

N,表示用户总数量

hits(i),表示i个用户访问的值是否在推荐列表中,是则为1,否则为0

5、F1分数(F1 score)

含义:精确率与召回率的调和均值。

公式:F1score=2\frac{precision\cdot recall }{precision+ recall}=\frac{2TP}{2TP+FP+FN}

6、平均精度均值(Mean Average Precision)

Average Precision(AP):平均精确率,在召回率从0到1逐步提高的同时也要保证准确率比较高,AP值尽可能的大。

含义:用多个来衡量性能,多个类别AP的平均值。

公式:AP=\frac{1}{R}\sum{Precision(rank)} \\ MAP=\frac{1}{C}\sum{AP}

7、平均倒数排名(Mean Reciprocal Rank)

含义:平均结果中的排序倒数,表示待推荐的项目是否放在了用户更显眼的位置,强调“顺序性”。

公式:MRR=\frac{1}{N}\sum\limits_{i=1}^{N}{\frac{1}{​{​{p}_{i}}}}

N,表示用户的总数。

pi,表示第i个用户的真实访问值在推荐列表的位置,若推荐列表不存在该值,则pi->∞。

8、归一化折损累计增益(Normalized Discounted Cumulative Gain)

含义:表示归一化加入位置信息度量计算的前p个位置累计得到的效益。

公式:NDCG=\frac{1}{N}\sum\limits_{i=1}^{N}{\frac{1}{lo{​{g}_{2}}({​{p}_{i}}+1)}}

N,表示用户的总数。

pi,表示第i个用户的真实访问值在推荐列表的位置,若推荐列表不存在该值,则pi->∞。

Logo

旨在为数千万中国开发者提供一个无缝且高效的云端环境,以支持学习、使用和贡献开源项目。

更多推荐