推荐系统_各个评价指标_mrr是一个国际上通用的对搜索算法进行评价的机制,其评估假设是基于唯一的一个相关-CSDN博客

本文介绍了推荐系统的评价指标，包括Hit、Recall、MRR、Precision、NDCG、MAP、ROC曲线和AUC。这些指标用于衡量算法的准确性和排序质量，例如NDCG考虑了推荐顺序，而ROC曲线和AUC则评估了算法的性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

‘Hit’

点击率预估问题
the number of users with a positive sample in the recommendation list.推荐列表中的正样本数量/总的推荐列表数量，该方法没有考虑推荐列表的顺序。

‘Recall’
Recall_ (also known as sensitivity) is the fraction of the total amount of relevant instances that were actually retrieved
是检索出的相关文档数和文档库中所有的相关文档数的比率

‘MRR’
MRR_ (also known as mean reciprocal rank) is a statistic measure for evaluating any process that produces a list of possible responses to a sample of queries, ordered by probability of correctness.
MRR_（也称为平均倒数排名）是一种统计量度，用于评估任何产生对查询样本的可能响应列表的过程，按正确概率排序。是一个国际上通用的对搜索算法进行评价的机制，即第一个结果匹配，分数为1，第二个匹配分数为0.5，第n个匹配分数为1/n，如果没有匹配的句子分数为0。最终的分数为所有得分之和。

‘Precision’
Precision_ (also called positive predictive value) is the fraction of relevant instances among the retrieved instances.
True Positive/（True Positive+False Positive）
真正样本/（真正样本+错正样本）的比例