评判指标存在的目的应用场景混淆矩阵accuracy =(TP+TN)/(TP+TN+FP+FN)precision =TP/（TP+FP）recall 召回率=真阳性率（True Positive Rate，TPR）=灵敏度(Sensitivity)=（TP/TP+FN）P-R曲线=precision recall curve真阴性率(True Negative Rate，TNR)...

FM怎么用在召回中？极简的模式第一，离线训练。这个过程跟在排序阶段采用FM模型的离线训练过程是一样的，比如可以使用线上收集到的用户点击数据来作为训练数据，线下训练一个完整的FM模型。在召回阶段，我们想要的其实是：每个特征和这个特征对应的训练好的embedding向量。这个可以存好待用。如果将推荐系统做个很高层级的抽象的话，可以表达成学习如下形式的映射函数：y=F(User,Item,Context

flink程序在idea上运行正常，打成jar包上传服务器运行，各种报错。下面这个错误印象最为深刻Caused by: org.apache.flink.core.fs.UnsupportedFileSystemSchemeException: Could not find a file system implementation for scheme ‘hdfs’. The scheme i..

理解AdamW我们先弄清楚什么是weight decay其实是在损失函数求导后，放在正则项前面的系数，比如L2正则，我们看一下weight decay的位置我们可以认为λ就是weight decaymin⁡wL2(w)=min⁡wf(w)+λ2n∑i=1nwi2L2′(w)=f′(w)+λn∑i=1nwi我们可以认为\lambda就是weight\ decay\\\min_wL_2(w)