핵심 요약
너드팩토리의 기술 블로그에서 추천시스템 평가 지표인 Precision@K / Recall@K의 개념과 구현 코드를 소개했습니다.
구현 방법
- Top-k 예측값(pred)과 실질 관심 아이템(targets)의 교집합으로 hit 수를 산출하는 흐름
- predictions, targets, k를 입력받아 _compute_precision_recall로 precision/recall를 계산하는 로직
- 여러 k에 대해 evaluate_ranking으로 Average of Precision@K / Recall@K를 구하는 프레임워크
주요 결과
- 예시로 k=5에서 Precision@5=0.6, Recall@5=0.5가 제시됨
- 전체 사용자에 대한 평균값으로 시스템 성능을 비교하는 평가 프레임워크
- AP@K와의 차이와 목적에 대한 이해를 돕는 구성
