Больше кандидатов не гарантирует роста Hit@20: разбор эксперимента в рекомендательной системе

Автор исследует влияние увеличения квоты кандидатов в рекомендательной системе на метрику Hit@20. Несмотря на рост покрытия кандидатов с 66,24% до 68,96% после пересчета признаков и переобучения модели LightGBM, количество точных попаданий в топ-20 практически не изменилось. Эксперимент демонстрирует, что простое увеличение объема кандидатов не всегда приводит к улучшению качества ранжирования.