机器学习中HR和NDCG

HR (Hit Rate) 和 NDCG (Normalized Discounted Cumulative Gain) 是机器学习中用于评估排序模型性能的常用指标。

HR 表示在前 k 个推荐结果中有多少个是用户实际感兴趣的物品。例如，如果一个用户实际感兴趣的物品在前 k 个推荐结果中出现了 m 次，则 HR@k 的值为 m/k。HR 越高，表示推荐结果越符合用户的兴趣。

NDCG 是一种针对排名的评价指标，考虑了物品的排名位置和相关性。它通过把推荐结果按照相关性降序排序，然后计算出每个物品的 Discounted Cumulative Gain (DCG) 值，再将其标准化得到 NDCG 值。NDCG 越高，表示推荐结果的排序越符合用户的兴趣。

在实际应用中，HR 和 NDCG 可以被用来评估推荐系统的性能，以及优化排序模型的训练策略。