Útmutatóhoz kapcsolódó kvíz · Közepes Szint
NDCG és rangsoroló metrikák kvíz
Válasszon rangsorolási mutatókat feladatonként, számítsa ki a pontosságot és hívja fel a k értéket, és értelmezze az osztályozott relevanciát és a rangkedvezményt az NDCG-ben.
kérdés 1 -ból 8
Két releváns elem jelenik meg az első öt között. Mi a precision@5?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Két releváns elem jelenik meg az első öt között. Mi a precision@5?
- 2/5
- 2 divided by all relevant candidates
- 5/2
- The rank of the first relevant item
- Három releváns jelölt közül kettő jelenik meg az első öt között. Mi a recall@5?
- 2/5
- 2/3
- 3/2
- 5/3
- Melyik metrika hangsúlyozza az első releváns találat ranghelyét?
- Precision@k
- Recall@k
- MRR
- NDCG only at the last position
- What does the logarithmic discount in DCG do?
- Normalizes by the number of queries
- Increases credit as rank moves down the list
- Removes relevance grades
- Reduces credit for relevant items at lower ranks
- Hogyan járul hozzá az ideális DCG a normalizált DCG-hez?
- Convert graded labels into binary labels
- Scale ranking quality relative to the best ordering for that query
- Measure the fraction of candidates retrieved
- Find the first relevant rank only
- Melyik feladathoz illik legjobban az MRR?
- Measuring only class calibration
- Retrieving every relevant candidate equally
- Finding the first useful result as high as possible
- Ranking all results by predicted probability but ignoring position
- What can NDCG represent that binary precision@k may not?
- The first relevant result rank only
- The exact probability a user is satisfied
- The fraction of all relevant candidates found
- Graded relevance combined with position discount
- Why report cutoff and relevance conventions with a ranking score?
- They affect the metric definition and resulting value
- They are required only for regression metrics
- They never change NDCG
- They reveal whether candidate items were causal