机器学习面试必备：深入理解与掌握各类评价指标优质

要搭建好的推荐系统，就得先了解评价指标。不同指标有各自特点和用途，它们之间有区别也有联系，我们一起来看看。

F1 - score指标

推荐系统里F1 - score定义与通用定义一样以precision和recall为基础。但这里precision和recall含义有所不同。比如在电商推荐中，precision可能指推荐商品里用户真正感兴趣的比例，而recall可能指用户感兴趣商品被推荐出来的比例。精准衡量推荐准确性时，它是关键指标。

在音乐推荐场景里，计算F1 - score能清晰知道推荐系统的效果。高F1 - score意味着推荐既准又全，更能满足用户需求。

ROC曲线及相关指标

ROC曲线展示了FPR与TPR的关系，也就是代价与收益的关系。x轴的FPR指在所有负样本中分类器预测错误的比例。比如在垃圾邮件识别中，负样本就是正常邮件，FPR体现把正常邮件误判为垃圾邮件的概率。

y轴的TPR等于Recall，指在正样本中分类器预测正确的比例。对于疾病诊断系统，正样本是患病者，TPR就是正确诊断出患病者的比例。AUC值是ROC曲线下面积，AUC越大分类器效果越好。

CG指标

CG即累积增益，只考虑相关性不考虑位置。在推荐系统中，用公式判断第i个位置的item是否是用户喜欢的。若用于新闻推荐，就是看推荐列表里用户感兴趣的新闻数量。

CG只能反映总体情况，判断页面中推荐item总分好坏。然而它没考虑不同用户需求和item位置，对单个用户精准评估不足。

由于CG和DCG只能单纯求和，无法对比不同用户，所以有了NDCG。NDCG能进行标准化，在电商推荐里，可评估不同用户对推荐商品的反馈差异。

好比不同购物习惯的用户，有的喜欢第一页商品，有的则翻很多页。NDCG考虑这些因素后，能更客观评价推荐系统。

HR、MRR、MAP指标

HR命中率反映推荐序列是否包含用户真正点击的item。以视频推荐为例，N次推荐中，用户点击的视频在推荐序列中的次数比例就是HR。

MRR平均倒数排名强调位置关系。如搜索结果推荐，用户真实访问的网页在推荐列表越靠前，MRR值越高。MAP平均精度均值应用广泛，结合多次推荐计算AP后取平均，能综合评价推荐系统性能。

A/B test和LogLoss

A/B test把用户分为A、B两组，A组接受新推荐算法的商品推荐，B组接受基线方法推荐的商品。在APP端新算法上线时，用A/B test能对比新旧算法效果，选择更优方案。

LogLoss是训练模型的损失函数，可对比模型训练效果。如在预测用户购买行为模型中，通过比较不同模型的LogLoss，能选出预测更准的模型。

你在使用推荐系统时有注意过这些评价指标带来的影响吗？快点赞分享，在评论区说说你的看法！