Mely metrikák fontosabbak a ajánlások minőségének értékelésében: precision vagy recall?

A pontosság és a recall közötti választás a javaslatok minőségének értékelésében attól függ, hogy milyen feladatról van szó és milyen üzleti prioritásokat helyeznek előtérbe.

• Pontosság (precision) megmutatja, hogy a javasolt elemek közül hányat értékel a felhasználó pozitívan. Magas pontosság fontos, ha minimalizálni szeretnénk a nem releváns ajánlásokat, hogy ne irritáljuk a felhasználót.

• Recall (visszahívás) megmutatja, hogy a rendszer mennyi releváns elemet tudott ajánlani. Magas recall fontos, ha nem akarjuk kihagyni a felhasználó számára fontos elemeket, még akkor sem, ha ez több zajt eredményez az ajánlásokban.

Az ajánlásoknál gyakran fontos az egyensúly megtalálása a pontosság és a recall között, ezért olyan metrikákat használnak, mint az F1-score vagy az AUC. Például az e-kereskedelemben fontosabb lehet a pontosság, hogy ne mutassunk irreleváns termékeket. Oktatási platformokon viszont fontosabb lehet a recall, hogy ne hagyjunk ki hasznos anyagokat.

Ezért nem lehet egyértelműen kijelenteni, melyik fontosabb — a döntést az üzleti célok és a felhasználási kontextus határozza meg.