信息检索评估指标

一查准率与查全率

此处输入图片的描述

Precision（P）

是指检索得到的文档中相关文档所占的比例，公式如下：

$这里写图片描述$

如果我们只考虑召回的所有结果的top n文档的查准率，叫做 P@n

Recall：（R）

查全率是指所有相关文档中被召回到的比例，公式如下：

$这里写图片描述$

如果我们只考虑召回的所有结果的top n文档的查准率，叫做 R@n

即使仅仅观察查全率为100% 也没多大意义，虽然相关的文档被全部召回了，但是往往代价是伴随着更多的不相关文档被召回，导致查准率下降，所以应该同时考虑两个指标，尽可能的都要高。

F-measure

一种同时考虑准确率和召回率的指标。公式如下：

F = 2 \times p r e c i s i o n \times r e c a l l ( p r e c i s i o n + r e c a l l )

可以看出F的取值范围从0到1。另外还有一种F的变体如下所示：

F β = ( 1 + β 2 ) \times ( p r e c i s i o n \times r e c a l l ) ( β 2 \times p r e c i s i o n + r e c a l l )

常用的两种设置是 F2F2和 F0.5F0.5，前者中recall重要程度是precision的两倍，后者则相反，precision重要程度是recall的两倍。

Mean average precision（MAP）

准确率和召回率都只能衡量检索性能的一个方面，最理想的情况肯定是准确率和召回率都比较高。当我们想提高召回率的时候，肯定会影响准确率，所以可以把准确率看做是召回率的函数，即：P=f(R)，也就是随着召回率从0到1，准确率的变化情况。那么就可以对函数P=f(R)在R上进行积分，可以求P的期望均值。公式如下：

$这里写图片描述$

微分：

$这里写图片描述$

其中k是召回文档中的某doc rank位置， n是所有召回文档数，P(k)为cut-off k in the list准确率，Δr(k)为k−1 到k的召回率变化量

等价于下面的公式：

$这里写图片描述$
rel(k)rel(k)值为0或1，如果doc k是相关文档， rel(k)rel(k)为1，否则为0，

AvePAveP的计算方式可以简单的认为是：

A v e P = 1 R \times \sum r = 1 R r p o s i t i o n ( r )

其中R表示相关文档的总个数，position(r)表示，结果列表从前往后看，第rr个相关文档在列表中的位置。比如，有三个相关文档，位置分别为1、3、6，那么AveP=13×(11+23+36)。在编程的时候需要注意，位置和第i个相关文档，都是从1开始的，不是从0开始的。
AveP意义是在召回率从0到1逐步提高的同时，对每个R位置上的P进行相加，也即要保证准确率比较高，才能使最后的AveP比较大。

最后～，MAP计算所有Query的平均准确率分数：

M A P = \sum Q q = 1 A v e P ( q ) Q

Q为query数目总量。

Mean reciprocal rank（MRR）

M R R = 1 | Q | \sum i = 1 | Q | 1 r a n k i

where rankirankirefers to the rank position of the first relevant document for the i-th query.

第一个正确答案的排名的倒数。MRR是指多个查询语句的排名倒数的均值
这里写图片描述

Expected reciprocal rank (ERR)

一种考虑是，一个文档是否被用户点击和排在它前面的文档有很大的关系，比如排在前面的文档都是不相关文档，那么它被点击的概率就高，如果排它前面的文档都是非常相关的文档，那么它被点击的概率就很低。Cascade Models假设用户从排名由高到底依次查看文档，一旦文档满足了用户的需求，则停止查看后续的文档。用RiRi表示用户只看在位置ii上的文档后就不在需要查看其它文档的概率，显然文档的相关度越高，Ri越大。那么用户在位置i停止的概率公式如下：

P P r = \prod i = 1 r - 1 (1 - R i) R r

ERR表示用户的需求被满足时停止的位置的倒数的期望。首先是计算用户在位置rr停止的概率PPr，如下所示：

P P r = \prod i = 1 r - 1 (1 - R i) R r

其中 RiRi是关于文档相关度等级的函数，可以选取如下的函数：

R i = R (g i) = 2 g - 1 2 g m a x, g \in {0, 1, \dots \dots, g m a x}

那么ERR的计算公式如下：

E R R = \sum r = 1 n φ (r) P P r = \sum r = 1 n 1 r P P r = \sum r = 1 n 1 r \prod i = 1 r - 1 (1 - R i) R r

更通用一点，ERR不一定计算用户需求满足时停止的位置的倒数的期望，可以是其它基于位置的函数 φ(r)φ(r)，只要满足 φ(0)=1φ(0)=1，且 φ(r)→0φ(r)→0随着 r→∞r→∞。比如DCG中的 φ(r)=1log2(r+1)φ(r)=1log2(r+1)
ERR论文： https://web.archive.org/web/20120224053008/http://research.yahoo.com/files/err.pdf

Discounted cumulative gain (DCG)

在MAP计算公式中，文档只有相关不相关两种，而在nDCG中，文档的相关度可以分多个等级进行打分。

Cumulative Gain (CG)

计算DCG之前先进行计算CG，公式如下：

C G p = \sum i = 1 p r e l i

relireli 是位置i处的相关性，上述公式计算了前p个结果的相关性总和
注意到召回结果的doc间任意排序，对CG函数值是无影响的，比如：召回的三个文档rank依次是doc1，doc2，doc3，相关性依次是 3，2，0，而如果
rank顺序为doc3，doc2，doc1，其CG值依然为5. 而前者排序是最合理的，但CG值相同。

Discounted Cumulative Gain（DCG）

所以要引入对位置信息的度量计算，既要考虑文档的相关度等级，也要考虑它所在的位置信息。假设每个位置按照从小到大的排序，
它们的价值依次递减，意味着，相关度越高的如果排序越靠后，那么分数就应该受到惩罚，
可以假设第i个位置的价值是1log2(i+1)，那么排在第i个位置的文档所产生的效益就是reli×1log2(i+1)=relilog2(i+1)，公式如下：

D C G p = \sum i = 1 p r e l i l o g 2 ( i + 1 ) = r e l 1 + \sum i = 2 p r e l i l o g 2 ( i + 1 )

另一种比较常用的，用来增加相关度影响比重的DCG计算方式是：

D C G p = \sum i = 1 p 2 r e l i - 1 l o g 2 ( i + 1 )

Normalized DCG （NDCG）

由于每个查询语句所能检索到的结果文档集合长度不一，p值的不同会对DCG的计算有较大的影响。所以不能对不同查询语句的DCG
进行求平均，需要进行归一化处理。nDCG就是用IDCG进行归一化处理，表示当前DCG比IDCG还差多大的距离。公式如下：

n D C G p = D C G p I D C G p

IDCG为理想情况下最大的DCG值

I D C G p = \sum i = 1 | R E L | 2 r e l i - 1 l o g 2 ( i + 1 )

其中|REL|表示，文档按照相关性从大到小的顺序排序，取前p个文档组成的集合。也就是按照最优的方式对文档进行排序。

如何计算

假如一个query召回的文档前6个为
D={d1,d2,d3,d4,d5,d6}
相关性分值依次为
3,2,3,0,1,2
意味着d1 的相关性分值为3，d2相关性分值为2，以此类推。
CG值为：
$此处输入图片的描述$
可以看到只是简单的对召回对前6个文档分数简单的加和，并没有考虑doc所在的位置对排序结果的评分影响。而DCG的思想是对越高相关性的doc越往后排会给予一定的更大惩罚项。
DCG的计算如下

$此处输入图片的描述$
因为每个query召回文档数目不同，DCG间无法统一比较，所以需要归一化。
先计算IDCG，我们假设实际上此query召回了八个doc，除了上面6个doc，还有doc7 分值为3，dooc8分值为0，理想rank情况下的相关分数顺序为：
3,3,3,2,2,1,0
计算IDCG@6:
IDCG6=8.740

n I D C G 6 = D C G 6 I D C G 6 = 6.861 8.740 = 0.785

局限性

nDCG不能惩罚“坏”文档，比如两个query返回了两列结果，分值分别为1,1,1, 1,1,10 那么两者的nDCG是一样的。注意把Excellent,Fair,Bad映射为分值数字最好为1,0,−1,而不是类似于2,1,0
nDCG不能惩罚“缺失” 的doc，比如两个query返回了两列结果，分值分别为1,1,1,1,1,1,1,1.前者计算DCG@3，后者计算DCG@5 的话，两个doc都可以被认为是好的。解决方法是应该采取固定的topk大小来计算DCG@k，并在doc不足的query召回结果后面补上“最小权重分值”，如1,1,1,0,0,1,1,1,1,1 两者均计算nDCG@5

分类模型上 Precision 和 Recall的含义

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.
False Positive(假正, FP)：将负类预测为正类数 →→ 误报 (Type I error).
False Negative(假负 , FN)：将正类预测为负类数 →→ 漏报 (Type II error).
这里写图片描述

精确率(precision)定义为：

P = T P T P + F P (1)

需要注意的是精确率(precision)和准确率(accuracy)是不一样的，

A C C = T P + T N T P + T N + F P + F N

在正负样本不平衡的情况下，准确率这个评价指标有很大的缺陷。比如在互联网广告里面，点击的数量是很少的，一般只有千分之几，如果用acc，即使全部预测成负类（不点击）acc 也有 99% 以上，没有意义。

召回率(recall,sensitivity,true positive rate)定义为：

R = T P T P + F N (2)

此外，还有 F1F1 值，是精确率和召回率的调和均值，

2 F 1 F 1 = 1 P + 1 R = 2 T P 2 T P + F P + F N (3)

精确率和准确率都高的情况下，F1F1 值也会高。

通俗版本

实际上非常简单，精确率是针对我们预测结果而言的，它表示的是预测为正的样本中有多少是对的。那么预测为正就有两种可能了，一种就是把正类预测为正类(TP)，另一种就是把负类预测为正类(FP)。
而召回率是针对我们原来的样本而言的，它表示的是样本中的正例有多少被预测正确了。那也有两种可能，一种是把原来的正类预测成正类(TP)，另一种就是把原来的正类预测为负类(FN)。

此处输入图片的描述

版权声明：www.itzyshare.com AIQ-机器学习大数据技术社区全国最专业的机器学习大数据技术社区，机器学习与人工智能AI的前沿阵地，提供各种国内外第一手的机器学习、人工智能资源资讯学习资料，是一个以机器学习,大数据,云计算,数据分析,数据挖掘,人工智能,区块链为主要学习方向的学习交流社区。大家可以分享高质量文章。全国高校IT精英群号:467123855 https://blog.csdn.net/lsgqjh/article/details/79509169