项目中的一些评价指标整理

（1）~（6）不多说了，很简单。

$y'$y′是模型预测的标签向量，$rank_k(y')$rankk​(y′)是预测标签前 k 个的索引集合（1，2，3，4，…，k）。
（7）：
$y^L$yL如果输出命中标签，则为1，否则为0
然后将前k个值相加求平均得到$P@k$P@k
（8）：
$y^L$yL如果输出命中标签，则为1，否则为0，
同时位置越靠前，其所占权重越大，因为分母是一个和位置相关的log函数。
相加得到$DCG@k$DCG@k
（9）：
$nDCG@k$nDCG@k的分子是$DCG@k$DCG@k，而分母则是理想情况下，输出全部命中。