Какие знаешь метрики рекомендательной системы

Метрики для рекомендательных систем делятся на несколько категорий:

1. Метрики качества предсказаний (оценка точности рекомендаций):
   • RMSE (Root Mean Squared Error) – среднеквадратичная ошибка.
   • MAE (Mean Absolute Error) – средняя абсолютная ошибка.
   python

   Копировать

   from sklearn.metrics import mean_squared_error, mean_absolute_error
   rmse = mean_squared_error(y_true, y_pred, squared=False)
   mae = mean_absolute_error(y_true, y_pred)

2. Ранговые метрики (оценка порядка рекомендаций):

   • Precision@k, Recall@k – точность и полнота топ-k рекомендаций.
   • NDCG (Normalized Discounted Cumulative Gain) – учитывает порядок и релевантность.

3. Метрики диверсификации:

   • Coverage – доля уникальных рекомендованных товаров.
   • Serendipity – мера неочевидности рекомендаций.

4. Бизнес-метрики:

   • CTR (Click-Through Rate) – кликабельность рекомендаций.
   • Conversion Rate – конверсия в покупку.

Выбор метрик зависит от задачи: для предсказания оценок – RMSE/MAE, для ранжирования – NDCG, для бизнеса – CTR.