AI
추천시스템 평가 지표 - 1 (Precision@K / Recall@K)
두줄요약
추천시스템의 Precision@K와 Recall@K 정의 및 계산 예시를 설명했습니다. 사용자별 상위 추천 결과를 집계하는 평가 코드 구현 흐름을 소개했습니다.
구조와 흐름
- 추천 아이템 상위 k개와 사용자의 실제 관심 아이템 간 교집합 기반 hit 수 산출
- 사용자별 Precision@K·Recall@K 계산 후 전체 사용자 평균 집계
- 학습 데이터의 피드백 아이템 제외 후 테스트 데이터 피드백 아이템을 정답으로 활용
선택 이유
- Precision@K: 추천한 k개 아이템 중 실제 관심 아이템의 비율
- Recall@K: 실제 관심 아이템 전체 중 상위 k개 추천에 포함된 비율
- 추천 결과 개수 k에 따른 랭킹 성능 비교 기준
주의할 점
- Average of Precision@K와 서로 다른 k의 Precision 평균인 AP@K의 구분
- 추천 후보에서 학습 데이터의 기존 피드백 아이템 필터링
- 테스트 피드백이 없는 사용자 제외
