machine-learning - 序列预测 ML 任务使用哪个指标?
问题描述
我的任务是根据前面的元素找到序列的下一个元素。因此,算法的模型已经在现有序列和输入数据上进行了训练,用于预测序列 ["A"、"B"、"C"] 的 N 个先前元素,并返回 N+1 个元素的前 M 个预测值。IE
{"item": "X", "score": 0.8},
{"item": "W", "score": 0.1},
{"item": "Y", "score": 0.05}
我有一个测试集,它为我提供了序列[“A”,“B”,“C”]的下一个元素的有序相关列表:
["X", "Z", "Y"]
我需要评估算法的指标
- 如果具有较高分数的预测元素在相关列表中的位置较高,则给我更高的值
- 如果预测元素完全存在于相关列表中,则给我更高的价值。
我会使用排名指标(如 NDCG、MAP、MRR),但它们仅计算预测值的二元相关性(条件 2),但不依赖于相关顺序(条件 1)。
解决方案
推荐阅读
- java - 解析用户功能不起作用
- debugging - 如何在 VSCode 中调试动态加载的脚本以进行 Chrome 调试
- python - Pandas DataFrame.to_excel 日期时间错误
- grib - grib1:如何提取子区域数据
- json - 使用模式验证在 pyspark 中加载 geoJSON
- java - java中的编码组合
- web-crawler - 供稿的搜索控制台服务器错误
- java - Spring Roo 生成未知领域模型
- .net - 简化两个 Get web-services 非常相似
- jupyter-notebook - 如何从 jupyter 中加载笔记本