推荐系统计算召回率和准确率代码

以下是一个简单的推荐系统召回率和准确率的 Python 代码示例：

# 预测为正样本的阈值
THRESHOLD = 0.5

# 计算召回率和准确率
def calculate_recall_precision(actual, predicted):
    # 计算召回率
    true_positives = 0
    false_negatives = 0
    for i in range(len(actual)):
        if actual[i] == 1 and predicted[i] >= THRESHOLD:
            true_positives += 1
        elif actual[i] == 1 and predicted[i] < THRESHOLD:
            false_negatives += 1
    recall = true_positives / (true_positives + false_negatives)
    
    # 计算准确率
    true_positives = 0
    false_positives = 0
    for i in range(len(actual)):
        if actual[i] == 1 and predicted[i] >= THRESHOLD:
            true_positives += 1
        elif actual[i] == 0 and predicted[i] >= THRESHOLD:
            false_positives += 1
    precision = true_positives / (true_positives + false_positives)
    
    return recall, precision

其中，`actual` 是实际的标签，`predicted` 是模型预测的概率值。在上面的代码中，我们使用了一个阈值 `THRESHOLD` 来判断预测结果是否为正样本。召回率和准确率的计算方式与标准的计算方式相同，具体详细可参考相关文献。