4、预测准确度指标（下）：分类准确率、召回率、精确率、F1-score 在推荐中的特殊含义
好，咱们接着聊预测准确度。上一节我们把 RMSE、MAE 这些回归指标讲透了。这一节，我重点聊聊分类指标——准确率、召回率、精确率、F1-score。
你可能会问：「这些指标不是分类任务里常用的吗？跟推荐系统有什么关系？」
关系大了。推荐系统本质上就是一个二分类问题——用户会不会点击？会不会购买？会不会看完？
只不过，推荐场景下的「正负样本」分布极其不均衡。我做过一个电商推荐项目，正样本（点击）占比不到 0.5%。这种情况下，你拿准确率去评估，基本就是自欺欺人。
4.1 准确率（Accuracy）——最容易被误解的指标
准确率的公式很简单：
Accuracy = (TP + TN) / (TP + TN + FP + FN)说白了就是「猜对了多少」。但在推荐系统里，这个指标几乎没用。
为什么？我给你算一笔账。
假设你的推荐列表有 100 个 item，用户只点击了 1 个。你只要全部预测为「不点击」，准确率就是 99%。
听起来很厉害对吧？但你的推荐系统就是个废物——因为它什么都没推荐出来。
所以，我个人习惯：只有在正负样本均衡时，才看准确率。比如用户对物品的评分预测（1-5 星），每个星级样本量差不多，这时候准确率才有参考价值。
4.2 精确率（Precision）——推荐的东西到底准不准？
精确率的公式：
Precision = TP / (TP + FP)翻译成人话：你推荐了 10 个物品，用户点了 3 个，精确率就是 30%。
这个指标在推荐系统里非常直观。我经常跟产品经理说：「精确率就是你推荐列表的命中率。」
但这里有个坑——精确率只看推荐列表内部。它不管用户还有多少喜欢的物品你没推荐到。
举个例子：
- 你推荐了 5 个电影，用户点了 4 个 → 精确率 80%，看起来不错
- 但用户其实喜欢 100 部电影，你只推荐了其中 4 部 → 召回率只有 4%
你看，只看精确率，你会觉得自己做得很好。实际上你漏掉了 96% 的用户兴趣。
4.3 召回率（Recall）——你有没有漏掉用户喜欢的？
召回率的公式：
Recall = TP / (TP + FN)说白了就是：用户喜欢的 100 个物品里，你推荐出来了多少个？
召回率在推荐系统里有个特殊含义——它衡量的是推荐系统的「覆盖面」。
我记得有一次做视频推荐，用户历史观看记录里有 2000 部电影。我们的推荐列表只有 20 个位置。我算了一下召回率，只有 1%。
当时团队很沮丧。但我说：「别急，召回率在推荐系统里不能这么算。」
为什么？因为推荐系统的召回率是「Top-K 召回率」。我们只关心用户最近、最可能感兴趣的物品有没有被推荐到。
正确的做法是：
- 取用户最近 30 天的交互行为作为「正样本池」
- 看推荐列表里有多少命中这个池子
- 计算召回率 = 命中数 / 池子大小
🔑 关键点： 推荐系统的召回率不是「全量召回」，而是「近期兴趣召回」。我建议你只关注用户最近 7-30 天的行为，否则召回率永远低得没法看。
4.4 F1-score——精确率和召回率的「和事佬」
F1-score 的公式：
F1 = 2 * (Precision * Recall) / (Precision + Recall)它是精确率和召回率的调和平均数。为什么用调和平均而不是算术平均？
你想想看：如果精确率 100%，召回率 0%，算术平均是 50%，看起来还行。但调和平均是 0——因为有一个指标是 0，系统就是废的。
我个人习惯：在模型调参阶段，优先看 F1-score。因为它能帮你找到一个平衡点。
举个例子：
| 模型版本 | 精确率 | 召回率 | F1-score |
|---|---|---|---|
| V1（保守推荐） | 0.85 | 0.12 | 0.21 |
| V2（激进推荐） | 0.30 | 0.80 | 0.44 |
| V3（平衡推荐） | 0.55 | 0.60 | 0.57 |
你看，V3 的 F1-score 最高。虽然精确率和召回率都不是最优，但整体效果最好。
4.5 推荐系统中的「特殊含义」总结
好了，我把这四个指标在推荐场景下的特殊含义总结一下：
- 准确率：只在正负样本均衡时有用。推荐场景下，基本可以忽略。
- 精确率：衡量推荐列表的「命中率」。用户容忍度低时（比如广告推荐），优先优化它。
- 召回率：衡量推荐系统的「覆盖面」。注意要用 Top-K 召回率，别算全量召回。
- F1-score：模型调参的「平衡器」。但要根据业务场景调整权重。
嗯，这里要注意一点：这些指标都是基于「用户行为」计算的。而用户行为本身就有噪声——用户没点击不代表不喜欢，可能只是没看到。
我曾经在一个音乐推荐项目里，发现召回率突然下降了 20%。排查了半天，发现是用户换了手机，新手机没登录账号，历史行为全丢了。
所以，指标只是工具，不是真理。你要结合业务逻辑去解读它。
下一节，我会讲排序类指标——NDCG、MRR、MAP。这些指标在推荐系统的排序阶段非常关键。到时候我会分享一个我踩过的坑：为什么 NDCG 在冷启动场景下会「失灵」。
咱们下节见。