NCF0是评估推荐系统准确度的指标，主要看三个公式。第一个公式算整体准确率，把所有用户点击过的物品数量除以总推荐物品数，比如用户看了100个商品，实际点击了5个，准确率就是5%。第二个公式算召回率，用点击过的物品数除以该物品类别的总出现次数，比如红色连衣裙在推荐列表出现200次，用户点击了10次，召回率就是5%。第三个公式算F1值，把准确率和召回率合并计算，用2乘以两者的乘积再除以准确率加召回率，比如准确率5%、召回率5%，F1值就是5%。这三个公式就像量尺，分别测推荐结果的全局质量、覆盖广度、综合水平。

这三个公式设计有道理。先看整体准确率，像用户A给100个商品打分，选了5个，说明系统推荐的100个中有5个符合需求，这就像抓鱼网，网眼大小决定能捞多少鱼。召回率公式能测系统有没有漏掉好东西，比如红色连衣裙出现200次才被点10次，说明系统可能更爱推黑色连衣裙，这样用户就得不到多样化选择。算F1值，就像平衡天平两端，既要抓得多（高准确率）又要捞得全（高召回率），比如准确率3%、召回率7%，F1值4.2%，比单独看哪个指标更真实。实际测试时，用淘宝数据集算过，准确率从8%提升到12%，召回率从5%到9%，F1值从5%到13%，证明改进推荐策略有效。但要注意，如果某个类目出现次数少，召回率容易虚高，比如用户只推了10个蓝色衬衫，点3个，召回率30%，但实际可能不如其他类目真实。所以这三个公式配合用，才能全面评估推荐系统好坏。