版权声明:人工智能/机器学习/深度学习交流QQ群:811460433 , 微信公众号:程序员深度学习 https://blog.csdn.net/sinat_24143931/article/details/85264954
人工智能/机器学习/深度学习交流QQ群:116270156
也可以扫一扫下面二维码加入微信群,如果二维码失效,可以添加博主个人微信,拉你进群
MAP
Mean Average Precision,表示信息检索系统(搜索引擎)的平均正确率。其公式如下:
M
A
P
=
∑
q
=
1
Q
A
v
e
P
(
q
)
Q
MAP = \frac {\sum_{q=1}^Q AveP(q)}{Q}
M A P = Q ∑ q = 1 Q A v e P ( q ) 其中,Q表示query的数量,AveP表示每条query的平均准确率,其计算公式如下:
A
v
e
P
=
∑
k
=
1
n
(
P
(
k
)
∗
r
e
l
(
k
)
)
总
相
关
文
档
数
量
AveP = \frac{\sum_{k=1}^n(P(k)*rel(k))}{总相关文档数量}
A v e P = 总 相 关 文 档 数 量 ∑ k = 1 n ( P ( k ) ∗ r e l ( k ) ) 其中,k表示在检索结果列表中的排序位置,P(k)为前k个结果的准确率,即
P
(
k
)
=
相
关
文
档
数
量
k
P(k) = \frac{相关文档数量}{k}
P ( k ) = k 相 关 文 档 数 量 , rel(k)表示位置k上的文档是否相关,不相关为0,相关为1.
举例说明
假设有两个query, query 1共有3个相关网页,query 2共有4个相关网页。该检索系统对于query 1检索出3个相关网页,其rank位置分别为1,2,5;对于query2共检索出3个相关文档,其rank位置分别为1,3,5 那么对于query1,平均准确率为
A
v
e
P
(
1
)
=
(
1
/
1
+
2
/
2
+
3
/
5
)
/
3
=
0.87
AveP(1) = (1/1 + 2/2 + 3/5)/3 = 0.87
A v e P ( 1 ) = ( 1 / 1 + 2 / 2 + 3 / 5 ) / 3 = 0 . 8 7 。 对于query2, 平均准确率为
A
v
e
P
(
2
)
=
(
1
/
1
+
2
/
3
+
3
/
5
)
/
3
=
0.76
AveP(2) = (1/1 + 2/3 + 3/5)/3 = 0.76
A v e P ( 2 ) = ( 1 / 1 + 2 / 3 + 3 / 5 ) / 3 = 0 . 7 6 。 所以系统的
M
A
P
=
∑
q
=
1
Q
A
v
e
P
(
q
)
Q
=
A
v
e
P
(
1
)
+
A
v
e
P
(
2
)
2
=
(
0.87
+
0.76
)
/
2
=
0.815
MAP = \frac {\sum_{q=1}^Q AveP(q)}{Q} = \frac{AveP(1)+AveP(2)}{2} = (0.87+0.76)/2=0.815
M A P = Q ∑ q = 1 Q A v e P ( q ) = 2 A v e P ( 1 ) + A v e P ( 2 ) = ( 0 . 8 7 + 0 . 7 6 ) / 2 = 0 . 8 1 5 .
图像检索MAP
最后
扫一扫下面二维码加入微信群,如果二维码失效,可以添加博主个人微信,拉你进群