Как проверить качество рекомендаций без деления данных на train и test?

Если нет возможности разделить данные на train и test, можно использовать методы оценки качества рекомендаций без явного разбиения, например:

• Кросс-валидация: разбить данные на несколько частей и поочерёдно использовать каждую как тестовую, остальные — как обучающие.
• Оценка на основе офлайн-метрик: использовать метрики, которые не требуют отдельного тестового набора, например, Precision@K, Recall@K, MAP, NDCG, рассчитанные на исторических данных.
• Использование A/B тестирования: если система уже работает, можно оценить качество рекомендаций на реальных пользователях, сравнивая разные варианты рекомендаций.
• Методы бутстрэппинга: случайная выборка с возвращением для оценки стабильности модели.

Таким образом, даже без явного train/test можно получить представление о качестве рекомендаций, используя статистические методы и онлайн-эксперименты.