精确@k和recall@k
精确@k和recall@k
提问于 2021-03-27 19:18:35
通常，我熟悉精确性和回忆性评价指标，但正如您所知道的，召回@k和精度@k是不同的东西，用于对评估(特别是推荐系统)进行排序。
我查了很多资料来源，我明白了我所不能理解的任何一点。
还有一件事
我们去找这个例子
我给你举个例子，你可以向我解释
假设我们有5个用户。我们正努力为每个用户提供下一次访问的位置建议。我们正在分析用户的历史签入数据，并为下一次访问提供建议。
用户1正在访问: Museum1，Park1，夜总会，“？(下一步是什么)
我们正在寻找下一个参观地点。让我们来说说我们的真实情况“餐厅”
我如何计算精度@5和回忆@5？
额外：这段youtube视频解释得很好(进入51:45的视频)
5-6相关项目是什么意思？如果我们给出建议，它应该只是一个项目，将是相关的用户。他们试图做一个电影推荐信，但他们说我们有5部相关电影。这是什么意思？
回答 1
Data Science用户
发布于 2021-03-28 18:08:43
快速回答。
注意:检查我可以完全访问的引用，只要术语被正确翻译，定义之间就没有任何差异。
一些定义：
相关项目:用户(S)是否与其行为相关。
推荐项目:推荐系统预测的项目将与用户相关(S)。
关于你的例子：
让我们理解
recall@k和precision@k的定义，假设我们按照这个顺序提供5建议--1 0 1 0 1，其中1表示相关的和0无关的。因此，precision@k在k的不同值将是precision@3是2/3，precision@4是2/4，precision@5是3/5。recall@k是，recall@3是2/3，recall@4是2/3，recall@5是3/3。
参考资料：推荐系统的精确性和召回
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/92247
复制相关文章
相似问题
腾讯云开发者
