問題タブ [average-precision]

優れたMetricsパッケージは、平均精度を計算する関数を提供します apk。

問題は、ループに基づいており、for遅いことです。

この関数をベクトル化する方法がわかりませんが、R でこれを実装するためのより良い方法があるのではないかと考えていました。

R で Mean Average Precision スコアを計算するにはどうすればよいですか? 簡単な方法はありますか？

私は以下のように計算しています。それが完全に真実かどうかはわかりません..

重複したインデックスを含む次のデータ フレームで pd.rolling_mean 関数を使用するのが困難です。

「金額」の 3 日間の平均を計算する必要があります。たとえば、201401012014010420140103から(3+4+3+5+1)/5=3.220140106 までの金額の平均は(5+6+2)/3=4.3

誰もそれを行う方法を知っていますか? 前もって感謝します！

わかりましたので、Rにこのようなデータフレームがあります

だから、これは私が探しているものです

私は MAP@k メトリックのためにこれを行っているので、数字の順序 (左側のものは次のものよりも重要です) の順序を維持することが重要です。

これは私が探している出力です

ご協力ありがとうございました

乱数の平均を計算する 2 つのアルゴリズムを比較していました。

• 最初のアルゴリズムはすべての数値を合計し、最後にアイテム数で割ります
• 2 番目のアルゴリズムは、反復ごとに平均を計算し、新しいデータを受信したときに結果を再利用します。

ここには革新的なものは何もないと思います。私は数学者ではないので、これら 2 つのアルゴリズムに名前を付けることはできません。

これが私のコードです：

出力は次のとおりです。

違いは確かにdouble型の精度によるものです。

結局、どの方法がいいの？実際の数学的平均 (またはそれに最も近い) を与えるのはどれですか?

ユーザー セッションを含む 2 つのセットがあります。各セットは 2 つの列で構成されます:
- オンライン ショップで表示されたアイテムの
ID - オンライン ショップで購入されたアイテムの ID

1セットは列車用（最高の製品評価）に使用し、2セット目はテスト用に使用する必要があります。

購入したアイテムのすべての ID が異なります。

1. テスト セットで、閲覧 ID と購入 ID の頻度を計算します(1つ
の ID が閲覧アイテムで複数回発生する可能性があります)
。 2. 推奨の 2 つのアルゴリズムを実現
します。
- 閲覧 ID を購入ごとに並べ替えます (購入したアイテムで発生する頻度)
3. このアルゴリズムを使用して、AverageRecall@1、AveragePrecision@1、AverageRecall@5、AveragePrecision@5を計算する必要があります。

重要:
- ユーザーが何も購入しなかったセッション、品質評価のルール。
- アイテムがトレーニング セットに見つからない場合、そのアイテムの人気は 0
です。 - 別のアイテムを推奨する必要があります。また、その数は、ユーザーが閲覧したさまざまなアイテムの数を超えないようにする必要があります。
- レコメンデーションは、表示されたアイテムの数とリコール @ k / 精度 @ k の k の最小値よりも大きくなることはありません。

最初のタスク (頻度の計算) は、OrderedDict を使用して行います。2番目のタスクでは、関数を使用します:

しかし、3番目のタスク（kごとの平均リコールなど）の計算方法とOrderedDictの処理方法がわかりません。