在与策略相关的产品功能（搜索、排序、推荐）中，往往都涉及机器学习算法，因此评估推荐效果就转化为评估机器学习算法模型的好坏。那如何评估最终推荐的效果呢？本文作者梳理分析了4种方法，供大家参考和学习。

我们一般以人工标注为准，即看做真实结果，用各种率去衡量机器预测和真实结果之间的差距。评估方式有很多种，各有各的优点。

RPAF值

用Recall、Precision、Accuracy、F值，评估单个机器学习算法的效果，是最常见、最基础的方法。

对象分类：

（1）二分类：每一个评估对象有唯一的标签，YES or NO。如低俗、标题党文章。

（2）多分类（机器需要识别的标签数包含3个及3个以上，一般情况下，每一种标签的识别结果都是我们的关注目标）

• 单标签，每一个评估对象有唯一的标签，选择大于等于3，如文章分类。
• 多标签，每一个评估对象有多个标签，如文章兴趣点、文章关键词。