做推荐业务,这4种机器效果测评方法你应该知道

时间:2023-01-19 | 标签: | 作者:Q8 | 来源:网络

小提示:您能找到这篇{做推荐业务,这4种机器效果测评方法你应该知道}绝对不是偶然,我们能帮您找到潜在客户,解决您的困扰。如果您对本页介绍的做推荐业务,这4种机器效果测评方法你应该知道内容感兴趣,有相关需求意向欢迎拨打我们的服务热线,或留言咨询,我们将第一时间联系您!

在与策略相关的产品功能(搜索、排序、推荐)中,往往都涉及机器学习算法,因此评估推荐效果就转化为评估机器学习算法模型的好坏。那如何评估最终推荐的效果呢?本文作者梳理分析了4种方法,供大家参考和学习。

我们一般以人工标注为准,即看做真实结果,用各种率去衡量机器预测和真实结果之间的差距。评估方式有很多种,各有各的优点。

RPAF值

用Recall、Precision、Accuracy、F值,评估单个机器学习算法的效果,是最常见、最基础的方法。

对象分类:

(1)二分类:每一个评估对象有唯一的标签,YES or NO。如低俗、标题党文章。

(2)多分类(机器需要识别的标签数包含3个及3个以上,一般情况下,每一种标签的识别结果都是我们的关注目标)

  • 单标签,每一个评估对象有唯一的标签,选择大于等于3,如文章分类。
  • 多标签,每一个评估对象有多个标签,如文章兴趣点、文章关键词。

1. 二分类

人工标注结果为“真”的样本记做T(True),人工标注结果为“假”的样本记做F(False);

机器预测结果为“真”的样本记做P(Positive),机器预测结果为“假”的样本记做N(Negative)。

将其转化为矩阵,有四种结果:

  1. TP:预测正确,预测情况是P,因此真实情况也是P。
  2. FP:预测错误,预测情况是P,因此实际情况是N。
  3. FN:预测错误,预测情况是N,因此实际情况是P。
  4. TN:预测正确,预测情况是N,因此实际情况也是N。

(混淆矩阵示意图)

召回率(Recall)=TP/(TP+FN),机器正确识别出”真”的样本数总和/样本总数

精准率(Precison)=TP/(TP+FP),机器正确识别出”真”的样本数总和/机器识别样本总数

准确率(Accuracy)=(TP+TNP)/(TP+FN+FP+TN),机器正确识别的样本总数/样本总数(备注:正确识别包含把“True”样本识别为“Positive”,把“False”样本识别为“Negative”两种情况)

虽然准确率可以判断总的正确率,但如果样本中T、F样本分布极度不平衡,准确率结果会含有很大的水分,基本失去参考价值。

如样本中T占95%,F占5%,我们将模型设置为所有样本均预测为P的策略,则准确率有95%那么高,但实际上毫无意义。更多经典例子来自疾病试纸和验孕试纸(有兴趣的朋友可以查阅一下),所以统计的时候需要注意统计的对象。

针对RPA的计算,举个栗子:

(以上数据仅做理论说明,不做实际参考)

图解一:

  • 召回率(R)=140/(140+11)=92.72%
  • 精准率(P)=140/(140+40)=77.78%
  • 准确率(A)=(140+4809)/(140+4809+40+11)=98.98%

图解二:

  • 召回率(R)=140/151=92.72%
  • 精准率(P)=140/180=77.78%
  • 准确率(A)=(5000-40-11)/5000=98.98%

对于同一策略模型,同一阈值,可以统计出一组确定的精准率和召回率。调整参数,遍历0-1之间的所有阈值,就可以画出每个阈值下的关系点,从而得到一条曲线,称之为P-R曲线。

(召回率也叫查全率,精确率也叫查准率)

通过曲线发现,召回率和精准率相互制约,此起彼伏,所以只能找二者之间的平衡点。这时需要引入F值评估:F-Score(也称F-Measure),它是Precision和艺术活动策划公司Recall加权调和平均数,[0,1],值越大表示效果越好。

F1 Score:召回率和精确率同等重要

但往往我们对召回率和精准率的权重要求是不同的,这是我们需要用到 F Score。

  • F2:召回率的重要程度是准确率的2倍
  • F0.5:召回率的重要程度是准确率的一半

(大于0)

2. 多分类单标签

M_i : 表示机器识别是 i 类别,同时是正确的样本数

C_i : 表示机器识别是 i 类别的总样本数

N_i : 表示 i 类别的实际总数(即人工标记为是 i 类别的样本数)

D :文章总数

K: 类别总数

  • 精确率(A)=(M_0+M_1+……+M_K)/(C_1+C_2 + …… + C_K)
  • 召回率(R)=(M_0+M_1+……+M_K)/(N_1+N_2+……+N_K)=(M_0+M_1+……+M_K)/D
  • 覆盖率(Coverage)= 所有精确度符合要求的机器预测样本数/D

对于覆盖率,举个栗子:

假设单个类别精度要求90%,没有满足要求的类别,覆盖率C=0;

假设单个类别长沙形象宣传片精度要求85%,则满足要求的类别有a、c,则覆盖率C=(90+100)/(100+100+200)*100%=47.5%。

在实际的文本审核工作中,还需要加上“无需审核的文章量”=准确率达标的文章量,用于评估减少人工审核文章量。

3. 多分类多标签

M_i : 表示 i 标签识别正确的总样本数;

C_i : 表示 i 标签出现的总样本数;

N_i : 表示 i 标签实际总样本数(即人工标记为是 i 标签的总样本数)

K:表示标签集合的大小(即不同标签的个数)

  • 准确率(A)=(M_0+M_1+……+M_K)/(C_0+C_1+……+C_K)
  • 召回率(R)=(M_0+M_1+……+M_K)/(N_1+N_2+……+N_K)

但在实际工作中,考虑到人工标注可行性,评估指标不考虑多标签结果的先后顺序;并且考虑到每一篇文章人工打全所有标签的成本较大,召回率指标仅作为参考,看情况提供。

ROC、AUC



前文介绍了RPAF值,但它仅能评估单点效果而无法衡量策略的整体效果,于是我们再引入ROC(Receiver Operating Characteristic)、AUC(Area Under Curve),它是一套成熟的整体策略评估方法。

先引入两个指标,这两个指标是ROC、AUC可以无视样本中T、F不平衡的原因。

  • 真正率(TPR)=TP/(TP+FN),在“真”样本里预测正确的样本;
  • 假正率(FPR)=FP/(FP+TN),在“假”样本里预测错误的样本。

设横坐标是FPR、纵坐标是TPR,每个点都描绘了在某一确定阈值下模型徐州性价比高的微信朋友圈中真正的P和错误的P之间的关系,遍历0-1的所有阈值,绘制一条连续的曲线,这就是ROC曲线。

如果我们遍历阈值,多次回归模型绘制出ROC曲线上的点,这种做法非常低效。因此我们可以用另外一种方法来代替ROC,即AUC,计算曲线下的面积。

如上图虚线,若我们将对角线连接,它的面积正好是0.5,代表模型完全随机判断,P/N概率均为50%。若ROC曲线越陡,AUC就越接近正方形,面积越接近1,代表效果越好。所以,AUC的值一般都介于0.5-1之间。

MAP

除了考虑召回结果整体准确率之外,有时候还需要考虑召回结果的排序。于是我们要提起MAP(Mean Average Precision)。

先说说AP的计算,假设这N个样本中有M个正例,那么我们会得到M个Recall值(1/M, 2/M, …, M/M),如下图,N个样本里有6个正例,有6个Recall值:1/6, 2/6, …, 6/6,对于每个Recall值,我们可以计算出对于这个正例最大Precision,然后对这6个Precision取平均即得到最后的AP值。计算方法如下:​



AP衡量的是学出来的模型在给定类别上的好坏,而MAP衡量的是学出的模型在所有类别上的好坏,得到AP后MAP的计算就变得很简单了,就是取所有AP的平均值。

CG/DCG/NDCG

之前的指标大多是将目标值分为P和N两种情况,但用CG/DCG/NDCG(Normalized Discounted cumulative gain)算法可以用更多维度的指标来评估。

比如可以将目标值分为Good、Fair、Bad三类,也可以按照评分。CG->DCG->NDCG是一个考虑精度逐步复杂的演变,多用于搜索结果的评估,当规定相关分值越大表示越相关时,CG/DCG/NDCG值越大表示效果越好。

累计增益(CG),只考虑结果的相关性(reli),不考虑位置因素。公式:

举个栗子:

假设某次搜索返回5个结果,相关度分数分别是4、2、1、1、2

所以CG=4+2+1+1+2=10

折损累计增益(DCG),既考虑结果的相关性,也考虑位置因素:a. 高关联度的结果比一般关联度的结果更影响最终的指标得分;b. 有高关联度的结果出现在更靠前的位置的时候,指标会越高。DCG公式:

再举个栗子:

假设某次搜索返回5个结果,相关度分数分别是4、2、1、1、2

DCG=1.26+3+0.38+0+1.26=5.9

归一化折损累计增益(NDCG),由于搜索结果随着检索词的不同,返回的数量是不一致的,没法针对两个不同的搜索结果进行比较,因此需要归一化处理。NDCG公式:

IDCG为理想情况下(相关度降序排列)最大的DCG值:

再再再举个栗子:

假设某次搜索返回5个结果,相关度分数分别是4、2、1、1、2

假如我们实际召回了7个物品,除了上面的5个,还有两个结果,假设第6个相关性为3,第7个相关性为0。在理想情况下的相关性分数排序应该是:3、3、2、2、1

所以IDCG=3+3+1.26+1.26+0.38=8.9,NDCG=DCG/IDCG=5.9/8.9*100%=66.29%

参考文献:

  • Willy_G《搜索:由流程框架到实现方法》,http://www.woshipm.com/pd/2866942.html
  • 胖喵~《搜索评价指标——NDCG》,https://www.cnblogs.com/by-dream/p/9403984.html
  • 残阳崔雪《性能指标(模型评估)之mAP》,https://blog.csdn.net/u014203453/article/details/77598997

 

本文由 @张小喵Miu 于,未经作者许可,。

,基于CC0协议。

做推荐业务,这4种机器效果测评方法你应该知道

上一篇:如何用数据分析方法优化业务流程?
下一篇:从老王的女装店看如何进行数据对比


版权声明:以上主题为“做推荐业务,这4种机器效果测评方法你应该知道"的内容可能是本站网友自行发布,或者来至于网络。如有侵权欢迎联系我们客服QQ处理,谢谢。
相关内容
扫码咨询
    做推荐业务,这4种机器效果测评方法你应该知道
    打开微信扫码或长按识别二维码

小提示:您应该对本页介绍的“做推荐业务,这4种机器效果测评方法你应该知道”相关内容感兴趣,若您有相关需求欢迎拨打我们的服务热线或留言咨询,我们尽快与您联系沟通做推荐业务,这4种机器效果测评方法你应该知道的相关事宜。

关键词:2年, 初级, 机器效果, 测评

关于 | 业务 | 案例 | 免责 | 隐私
客服邮箱:545321@QQ.com
电话:400-021-1330 | 客服QQ:545321
沪ICP备12034177号 | 沪公网安备31010702002418号