AndrewPerfect的博客

（Normalized Discounted Cumulative Gain），是一种常用的衡量搜索引擎和推荐系统结果质量的指标。NDCG考虑了结果的相关性和结果的排名位置，其值在0到1之间，值越大表示搜索结果质量越高。IDCG是理想情况下的DCG，即结果按相关性排序时的DCG。其计算方法与DCG相同，只不过结果列表是按相关性降序排列的。其中，relirel_ireli​ 表示结果列表中第 iii 个结果的相关性评分，ppp 是结果列表的长度。

CNN通过卷积操作提取输入数据的局部特征，并通过池化操作降低特征图的维度，从而实现对输入数据的有效表示。以上是对LR、GBDT、SVM、CNN、DNN、RNN、Word2Vec等模型原理和应用的简要介绍。特别是在图像识别方面，CNN通过训练可以学习到丰富的特征表示，从而实现对图像的有效分类和识别。逻辑回归模型因其简单、可解释性强、易于实现等特点，被广泛应用于机器学习、深度学习、推荐系统、广告预估、智能营销、金融风控、社会学、生物学、经济学等领域。SVM在文本分类、图像分类、生物信息学等领域都有广泛的应用。

MRR计算的是第一个正确答案的排名的倒数，并对所有查询取平均值。它衡量了模型在排序结果中快速找到正确答案的能力。

协同过滤是一种基于用户行为的推荐算法，它利用用户的历史行为数据（如购买记录、浏览记录、评分等）来找到与目标用户兴趣相似的其他用户或物品，从而推荐可能感兴趣的商品。