推荐算法topk评价指标代码

以下是Top-K评价指标的代码实现：

def top_k_precision(y_true, y_pred, k):
    """
    Top-K Precision评价指标的实现
    :param y_true: 真实标签向量
    :param y_pred: 预测标签向量
    :param k: k值
    :return: Top-K Precision值
    """
    sorted_indices = np.argsort(y_pred)[::-1][:k]
    pred_labels = y_true[sorted_indices]
    return np.sum(pred_labels) / k

def top_k_recall(y_true, y_pred, k):
    """
    Top-K Recall评价指标的实现
    :param y_true: 真实标签向量
    :param y_pred: 预测标签向量
    :param k: k值
    :return: Top-K Recall值
    """
    sorted_indices = np.argsort(y_pred)[::-1][:k]
    pred_labels = y_true[sorted_indices]
    return np.sum(pred_labels) / np.sum(y_true)

def top_k_f1(y_true, y_pred, k):
    """
    Top-K F1评价指标的实现
    :param y_true: 真实标签向量
    :param y_pred: 预测标签向量
    :param k: k值
    :return: Top-K F1值
    """
    precision = top_k_precision(y_true, y_pred, k)
    recall = top_k_recall(y_true, y_pred, k)
    return 2 * (precision * recall) / (precision + recall)

以上三个函数分别实现了Top-K Precision、Top-K Recall和Top-K F1评价指标的计算。其中，k为预测的Top-K数量，y_true和y_pred分别为真实标签向量和预测标签向量。可以根据需要调用相应的函数计算评价指标。