#0133 你的健康评分为什么总是0分？聊聊秩分析公式的校准

type

Post

status

Published

date

Feb 25, 2026

slug

312a745569bb813fad99e1962482435b

summary

我搭了一个健康追踪系统，用秩分析的思路把健康拆成5个独立生成器（Generator），公式长这样： Healthspan = G1(节律) × G4(筛查) × [G2(运动) + G3(代谢) + ...

你的健康评分为什么总是0分？聊聊秩分析公式的校准

我搭了一个健康追踪系统，用秩分析的思路把健康拆成5个独立生成器（Generator），公式长这样：

Healthspan = G1(节律) × G4(筛查) × [G2(运动) + G3(代谢) + G5(神经)]

看着很优雅对吧？乘法项控制生死线，加法项填充细节。理论上完美。

然后我跑了第一版评分，看到结果差点把系统删了——明明睡了7.5小时、感觉挺好，总分20分。体检只做了1项但其他11项根本还没到期，G4直接归零，总分变0。

公式设计只是第一步。校准，才是评分系统的灵魂。

今天聊聊我踩的6个坑，以及背后的通用原则。

乘法项归零 = 全盘归零

这个公式里 G1 和 G4 是乘法项。意味着它们任何一个变成0，不管你运动多猛、代谢多好，总分都是0。

这就是秩分析里"硬约束"的含义——乘法项是系统的生死线，校准优先级最高。

G1 节律：满分线不能拍脑袋定

我最初把入睡时间的满分线设在 23:00。问题是，我的实际作息是凌晨1点左右入睡。7.5小时睡眠、主观感觉良好，但因为 timing 这一项直接拉垮，G1 只拿了20分。

修复很简单：把 timing 目标从 23，让满分线贴近真实节奏。

这里的原则是：评分系统要反映"你在自己的节奏里做得好不好"，而不是用一个理想模板去审判你。

G4 筛查：到期 vs 未到期，天壤之别

12项体检计划，完成了1项，完成率 8%，G4 约等于0。但仔细看——那11项都还没到期！

一个还没到deadline的任务算你"未完成"，这合理吗？

修复：只计算"已到期"的项目。到期了没做，扣分。还没到期的 pending 项目不参与计算。如果所有项目都没到期，G4 直接满分。

💡 通用原则：评分范围要合理界定。没到判断窗口的数据，不应该参与评分。

缺失数据不应惩罚用户

这是我校准过程中最大的感悟。

G1 的主观睡眠评分

我的系统支持录入主观睡眠评分（1-5分），但这是可选项，不是每天都填。第一版完全没把主观评分纳入计算——等于白收集了。

修复：有主观评分时，给它 20% 权重参与计算；没有数据时，退回纯客观维度的权重分配。

关键是这个"退回"机制。如果你简单粗暴地给缺失维度一个0分或50分，用户某天忘了填，分数就会莫名其妙地暴跌或偏移。

优雅降级的意思是：可选数据缺失时，系统表现得像这个维度不存在，而不是像这个维度得了零分。

G3 体重趋势

体重不是每天都称的。我设了一个7天窗口，窗口内没数据就给中性分。

问题来了——如果用户两周才称一次，是不是永远只能拿中性分？

修复：窗口内没数据时，拉取历史最近两条记录计算趋势。 数据少，但有总比没有好。

G5 压力自评

心率数据通过 API 自动接入，但压力自评需要手动录入。没自评时我给了个固定50分，然后心率和自评各占 50%——等于无论心率多好，上限只有50分。

修复：有自评时各 50%，无自评时心率权重提到 100%。

💡 通用模式：每个维度都应该有"数据缺失时的退化策略"。权重要动态调整，而不是用占位值去填充。

评分要反映真实行为价值

G2 运动：步数是假指标

第一版运动评分纯靠步数。日行8000步满分，很"健康"对吧？

但实际上，真正对身体有价值的运动是力量训练和高强度健身课。散步1小时和深蹲1小时，对健康的贡献完全不在一个量级。

修复后的权重：

真正运动（力量训练/健身课）：70%

活跃分钟数：20%

步数：10%

步数没砍到0，因为它至少代表"没躺一天"。但权重从100%砍到10%，这个信号很明确：走路不等于运动。

G3 补剂：覆盖率 vs 次数

补剂评分最初用"总记录数 ÷ 天数"。每天吃1种就满分，吃3种也是满分，区分度为零。

改成"有记录天数 ÷ 总天数"——衡量的是坚持度而不是单日数量。

G5 心率：范围太窄 = 区分度为零

静息心率评分范围设的是 50-70，HR=70 就是0分。但正常成年人心率 60-80 都很健康，70 给0分纯属扯淡。

修复后：HR=50 → 100分，HR=80 → 0分。范围拉宽，区分度回来了。

💡 通用原则：评分的每个维度都要问自己——这个指标真的在衡量我关心的东西吗？

校准清单

如果你也在搭类似的评分系统，这几条可以直接抄：

乘法项优先校准 — 一个归零，全盘归零。检查每个乘法项的满分线和归零条件是否合理

缺失数据 ≠ 零分 — 可选维度缺失时，权重要动态回退给有数据的维度

评分范围要宽于你的预期 — 宁可区分度低一点，也别让正常值落在0分区间

指标要对齐真实价值 — 步数 vs 力量训练、记录次数 vs 覆盖率，选能反映行为质量的那个

到期窗口要明确 — 没到判断期的数据不参与评分

跑完就看，看完就调 — 没有人能一次设对所有参数。校准是个持续过程

秩分析视角

回到秩分析的框架：这个系统的"秩"是5——5个独立生成器决定了健康评分。但每个生成器内部还有子维度、权重、缺失策略。

公式设计阶段解决的是"哪些维度独立、哪些耦合"的问题。校准阶段解决的是"每个维度内部怎么映射到分数"的问题。

前者是骨架，后者是血肉。光有骨架，评分系统跑出来的数字毫无意义。

我今天改了6处，明天可能还要改。但每改一处，评分就更接近"看一眼分数就知道自己状态"的目标。

这才是量化自我的意义——不是追求精确，而是追求有用。