关于召回率和hit rate

召回率：之前说过，这个博文中也详细说了，【实际为正例的（positive）有多少预测为正例】

这里还是要说下，在推荐中的具体含义。

从数据库中筛出来几百个用户感兴趣的item，这就是召回的过程，其中一个关键词是：用户感兴趣

什么是用户感兴趣的item，用户看过的？不一定，用户看过的再推一次就不一定感兴趣了，这就是长期兴趣和短期兴趣的问题，

比如我喜欢张国荣，即使很多我已经看过的视频，再推一次我还是会看的，当然这个时间间隔不能太短，我刚看完，你就又推同一个视频肯定不行（这里是不是有一个去重的过程，一般召回阶段不考虑吧）

短期兴趣的话就是及时的，我这时感兴趣可能就是因为我听到或者突然间接触到的，搜索了一下，你不能以后每天就推同一类东西给我吧，随着时间的delay的话，这个应该有权重问题吧。

啥是用户感兴趣的呢？

我看过同一类的东西，你给我推荐同一类的或者相似度很高的，这是我所喜欢的，当然如果用户感兴趣的不止一个类别，好，那么只要是与用户浏览过的相似度很高（0.95+？？）的，都应该算作用户感兴趣的吧？？

如果严格按照本文第一句的定义的话，那么在

关于召回率和hit rate相关推荐

基于实例数据详解准确率和召回率
摘要:信息检索.分类.识别.翻译等领域两个最基本指标是准确率(precision rate)和召回率(recall rate),准确率也叫查准率,召回率也叫查全率. 本文分享自华为云社区<准确率 ...
聊一聊几种衡量推荐算法的度量---准确率、召回率、覆盖率、新颖度
准确率准确率用来衡量推荐结果中有多少推荐被用户所接受. 某电商网站推荐给我100个商品,而我点击了其中的20个商品那么该电商网站推荐系统的准确率 = 20 / 100 = 0.2 准确率计算公式定 ...
准确度、精确度、召回率、ROC曲线、AUC值
在介绍这些概念之前,先来看一下混淆矩阵: TP: True Positive,将正类预测类正类的样本数量(预测正确) FN: False Negtive,将正类预测为负类的样本数量(type II e ...
信息检索(IR)的评价指标介绍-准确率、召回率、F1、mAP、ROC、AUC
在信息检索.分类体系中,有一系列的指标,搞清楚这些指标对于评价检索和分类性能非常重要,因此最近根据网友的博客做了一个汇总. 准确率.召回率.F1 信息检索.分类.识别.翻译等领域两个最基本指标是召回率 ...
机器学里面的一些概念-召回率，精确度等的介绍
准确率召回率准确率召回率 http://blog.sina.com.cn/s/blog_4b59de070100ehl7.html 最近一直在做相关推荐方面的研究与应用工作,召回率与准确率这两个概念 ...
准确率召回率_机器学习tips（四）：精确率（precision）和召回率（recall）
精确率(precision)和召回率(recall) 混淆矩阵 True Positive(真正, TP):将正类预测为正类数. True Negative(真负 , TN):将负类预测为负类数. F ...
查全率[召回率]与精度[查准率] 之辨析
查全率[召回率]与精度[查准率] 之辨析: 召回率(recall rate)和精度(precision)定义: 从一个大规模数据集合中检索文档的时,可把文档分成四组 -系统检索到的相关文档(A) ...
02_混淆矩阵、准确率（Accuracy）、精确率(Precision)、召回率(Recall)、F值(F-Measure) +Roc曲线和PR曲线+sklearn中分类模型评估API+ 自己补充整理
此博文参考: 关于ROC绘制参考博文: https://blog.csdn.net/u011630575/article/details/80250177 Python+ROC相关的博文: https ...
FP、FN、TP、TN、精确率(Precision)、召回率(Recall)、准确率(Accuracy)评价指标详述
来自微信公众号:小白CV关注可了解更多CV,ML,DL领域基础/最新知识;如果你觉得小白CV对您有帮助,欢迎点赞/收藏/转发在机器学习领域中,用于评价一个模型的性能有多种指标,其中几项就是FP.FN ...
[机器学习] 二分类模型评估指标---精确率Precision、召回率Recall、ROC|AUC
一为什么要评估模型? 一句话,想找到最有效的模型.模型的应用是循环迭代的过程,只有通过持续调整和调优才能适应在线数据和业务目标. 选定模型时一开始都是假设数据的分布是一定的,然而数据的分布会随着时间 ...

关于召回率和hit rate

关于召回率和hit rate相关推荐

最新文章

热门文章