机器学习2-推荐系统

问题

TopK

CTR

 

步骤

Feature

Recall

基于热度,基于用户兴趣标签,基于CF,基于FM

Sort

LR,GBDT,GBDT+LR,FM,DNN

AD

 

评价指标

Accuracy:预测正确的样本/总样本

Precision:预测为正类正确的样本数/预测为正类的样本数

Recall:预测为正类正确的样本/实际为正类的样本

F1:P和R的调和均值

AUC,ROC

 

CTR案例:

https://www.zybuluo.com/hanxiaoyang/note/475105

Kaggle CTR https://www.kaggle.com/c/criteo-display-ad-challenge/discussion/10555

 

 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值