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 Discounted Cumulative Gain)
      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+∞。
实例:

代码实现

import math# 推荐列表
R = [[3, 10, 15, 12, 17], [20, 15, 18, 14, 30], [2, 5, 7, 8, 15], [56, 14, 25, 12, 19], [21,24,36,54,45]]
# 用户访问列表
T=[[12],[3],[5],[14],[20]]def indicators_5(rankedList, testList):Hits_i = 0Len_R = 0Len_T = len(testList)MRR_i = 0HR_i = 0NDCG_i = 0for i in range(len(rankedList)):for j in range(len(rankedList[i])):if testList[i][0]==rankedList[i][j]:Hits_i+=1HR_i+=1# 注意j的取值从0开始MRR_i+=1/(j+1)   NDCG_i+=1/(math.log2(1+j+1))breakHR_i/=Len_TMRR_i/=Len_TNDCG_i/=Len_Tprint(Hits_i)print(f'HR@5={HR_i}')print(f'MRR@5={MRR_i}')print(f'NDCG@5={NDCG_i}')if __name__ == '__main__':indicators_5(R, T)

推荐系统评价指标 HR MRR NDCG相关推荐

  1. 推荐系统的评价指标笔记(NDCG、MAP、AUC、HR、MRR)

    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, C G k = ∑ i = 1 k r ( i ) CG ...

  2. 推荐系统评价指标综述

    省时查报告-专业.及时.全面的行研报告库 省时查方案-专业.及时.全面的营销策划方案库 [免费下载]2022年2月份热门报告盘点 机器学习在B站推荐系统中的应用实践 小红书推荐系统中台应用实践 微信视 ...

  3. 【推荐系统】召回指标NDCG

    本篇文章完全来自于 推荐系统评价指标nDCG到底如何实现 - 真中合欢的文章 - 知乎 ,怕丢失,copy一份. 重点: 实际计算nDCG,使用的是 数据集中标注的真实分数(0 or 1),而不是,模 ...

  4. 机器学习推荐系统评价指标之AUC

    机器学习推荐系统评价指标之AUC 综述 AUC的计算过程 AUC的优势 综述 AUC是机器学习模型中常见评价指标,在推荐系统中也十分常见.和常见的评价指标Acc,P,R相比,AUC具备一定的优势. A ...

  5. 推荐系统常用的评价指标:HR、NDCG、MRR

    推荐系统常用的评价指标 应用背景介绍 评价指标的知识来源 命中率HR(Hits Ratio) 归一化折损累计增益(Normalized Discounted Cumulative Gain,NDCG) ...

  6. 推荐系统之位置敏感的评价指标--MAP和NDCG

    文章目录 1.前提说明 2.recall 3.MAP 4.NDCG(Normalized Discounted Cumulative Gain) 4.1 CG(Cumulative Gain) 4.2 ...

  7. 搜索推荐系统评价指标

    Precision和Recall 首先我们来看看下面这个混淆矩阵: pred_label/true_label Positive Negative Positive TP FP Negtive FN ...

  8. 知识图谱常用评价指标:MRR,MR,HITS@K,Recall@K,Precision@K

    一.MRR MRR的全称是Mean Reciprocal Ranking(排名的倒数),其中Reciprocal是指"倒数的"的意思.该指标越大越好(即预测排名越靠前,倒数就越大, ...

  9. 什么是推荐系统与常见的推荐系统评价指标

    什么是推荐系统 一.为什么要有推荐系统 顾名思义,推荐系统的功能就是推荐,在当前信息量急速膨胀的互联网时代,每一个人都面向了海量的数据,哪怕是一个小平台,数据量可能都是以千万为单位的,这个时候让用户自 ...

最新文章

  1. 杨超越第一,Python第二
  2. 06上半年网络工程师试题分类精讲.第一部分:计算机与网络知识(上午考试科目).第一章:计算机系统知识...
  3. javascript天然的迭代器
  4. JSP简单练习-JSP指令
  5. 第四周Java学习总结
  6. BZOJ4448:[SCO2015]情报传递
  7. 证监会:对贾跃亭、杨丽杰采取终身证券市场禁入措施
  8. python怎么在散点图上画圆圈_matplotlib散点中的标记点
  9. java captcha 验证码_java生成图片验证码的示例代码
  10. 自学SpringBoot二之配置文件--yml格式配置
  11. 在centos上安装pycharm
  12. 快速幂计算x的n次幂,递归版本、迭代版本、python实现
  13. 量化投资 --- 技术篇 (1) CAPM模型
  14. 算法设计——有 2*n 的一个长方形方格,用一个1*2 的骨牌铺满方格。
  15. ubuntu 安装GPU黑屏 修改GRUB_Ubuntu 18.04 安装笔记
  16. python下载vip素材_《自拍教程54》Python_批量下载1000个apk(附练手素材)
  17. 点赞功能模块-文章点赞功能实现
  18. 2-44钟静雯_day05
  19. chrome总是提示\喔唷,崩溃啦\的解决办法
  20. winform工具1-图片去除水印

热门文章

  1. 06-App页面元素查看神器
  2. 微信网页授权报code been used, hints: [ req_id: XYv1Ha07042046 ]
  3. leaflet鼠标进出事件 mouseover和mouseout (示例代码009)
  4. python找电影资源_Python爬虫爬取BT之家找电影资源
  5. 输入三角形三边边长,求三角形的面积
  6. Linux内核中的RCU机制
  7. X86与非X86服务器
  8. Kafka入门(一) 概述、部署与API的简单使用
  9. mysql pmt函数怎么用,Sword cjson库函数使用
  10. 谷歌是如何高效做AB实验的