tf.keras.metrics.TopKCategoricalAccuracy 与 Precision@k 有何不同?
How does tf.keras.metrics.TopKCategoricalAccuracy differ from Precision@k?
来自推荐系统的 precision@k 是一个流行的指标。
precision@k = number of relevant predictions in top k / k
在 tf.keras.metrics.TopKCategoricalAccuracy 的 tensorflow 文档中指出
Computes how often targets are in the top K predictions.
https://www.tensorflow.org/api_docs/python/tf/keras/metrics/TopKCategoricalAccuracy
这似乎与 precision@k 完全相同。我是不是遗漏了什么或者它们是等价的,它只是归结为 TF/recommender 术语?
没有。你是完全正确的。
它们都是相同的指标。
TopKCategoricalAccuracy 和 Precison at k ,这两个指标彼此不同。让我们看一个例子。
例如在推荐用例中,我们为用户预测 5 部电影 ["A"、"B"、"C"、"D"、"F"] 并且用户观看了电影 'A'并拒绝了其余的。
- 然后精度为 1 = 1/1= 1
- 然后精度为 5 = 1/5(在 5 部电影用户中 select 只有一个)
- Top1CategoricalAccuracy(K=1)= 1 或 100%(因为在预测列表中第一部电影 'A' 被用户看过)
- Top5CategoricalAccuracy(K=5)= 1 或 100%(正确答案出现在您的前五次猜测中)
来自推荐系统的 precision@k 是一个流行的指标。
precision@k = number of relevant predictions in top k / k
在 tf.keras.metrics.TopKCategoricalAccuracy 的 tensorflow 文档中指出
Computes how often targets are in the top K predictions.
https://www.tensorflow.org/api_docs/python/tf/keras/metrics/TopKCategoricalAccuracy
这似乎与 precision@k 完全相同。我是不是遗漏了什么或者它们是等价的,它只是归结为 TF/recommender 术语?
没有。你是完全正确的。 它们都是相同的指标。
TopKCategoricalAccuracy 和 Precison at k ,这两个指标彼此不同。让我们看一个例子。
例如在推荐用例中,我们为用户预测 5 部电影 ["A"、"B"、"C"、"D"、"F"] 并且用户观看了电影 'A'并拒绝了其余的。
- 然后精度为 1 = 1/1= 1
- 然后精度为 5 = 1/5(在 5 部电影用户中 select 只有一个)
- Top1CategoricalAccuracy(K=1)= 1 或 100%(因为在预测列表中第一部电影 'A' 被用户看过)
- Top5CategoricalAccuracy(K=5)= 1 或 100%(正确答案出现在您的前五次猜测中)