3.5 推荐系统评价指标详解：准确率、召回率、F1、NDCG，如何选择

引言

推荐系统的评估指标直接影响模型优化方向。准确率、召回率、F1、NDCG等指标各有特点，选择合适的指标至关重要。本文将深入解析这些指标的含义、计算方法和选择原则。

一、分类指标

1.1 准确率和召回率

# 准确率和召回率fromsklearn.metricsimportprecision_score,recall_score,f1_scoredefcalculate_classification_metrics(y_true,y_pred):""" 计算分类指标 """precision=precision_score(y_true,y_pred)recall=recall_score(y_true,y_pred)f1=f1_score(y_true,y_pred)print(f"准确率（Precision）:{precision:.4f}")print(f"召回率（Recall）:{recall:.4f}")print(f"F1分数:{f1:.4f}")returnprecision,recall,f1print("分类指标计算函数已准备")

1.2 指标解释

# 指标解释defmetrics_explanation():""" 指标解释 """print("="*60)print("指标解释")print("="*60)explanations={'准确率（Precision）':{'定义':'推荐中用户喜欢的比例','公式':'TP / (TP + FP)','关注':'推荐质量'},'召回率（Recall）':{'定义':'用户喜欢的被推荐的比例','公式':