Které metriky jsou důležitější pro hodnocení kvality doporučení: precision nebo recall?

Volba mezi přesností a recall pro hodnocení kvality doporučení závisí na konkrétním úkolu a prioritách podnikání.

• Přesnost (precision) ukazuje, jaké procento doporučených prvků uživatel skutečně hodnotil pozitivně. Vyšší přesnost je důležitá, pokud je cílem minimalizovat počet nerelevantních doporučení, aby uživatele nerušila.

• Recall (senzitivita) ukazuje, jakou část všech relevantních prvků systém dokázal doporučit. Vyšší recall je důležitý, pokud nechcete přehlédnout důležité prvky pro uživatele, i když to může znamenat více šumu v doporučeních.

V doporučeních je často důležité najít rovnováhu mezi přesností a recall, proto se používají metriky jako F1-score nebo AUC. Například v e-commerce může být důležitější přesnost, aby se uživateli nezobrazovaly nerelevantní produkty. Na vzdělávacích platformách může být důležitější recall, aby se nezanedbaly užitečné materiály.

Proto nelze jednoznačně říct, co je důležitější — je třeba se řídit cíli podnikání a kontextem použití.