【代码】【hive-SQL】string 转成 map＜＞
而在线上，MLP参数量大些的CTR模型，线上CXR/RPM更好。在离线AUC，MLP参数量大小 对离线AUC几乎没有影响，
【代码】【hive-SQL】多个column转成一个array_column。
的embedding_matrix存embedding，然后用embedding_lookup接口读每个id的embedding。比如id从1-100000，但1-100000里有很多值是空的，如果id是满的，从1-500都有值，可以用一个。TF的hashtable用来存不连续的id，
因为这特征反映的是 用户对item-type的偏好，而这个偏好 在那个的场景 基本是不怎么变的，就是，这特征 用户不因为 180天 或 7天训练（用next-day作为dev集）的CTR模型的AUC是涨的，（vs不加这两个特征）
用这段java代码可以复现这个报错。
grep -c the_string FILE_NAME
全量item的高频 2gram / 3gram 都可以作为item的特征。
我离线，click-auc从0.780提升到0.866，pay-auc从0.887提升到0.927，当时因一些原因，只用了少量数据训练，AUC看起来不错，就上AB实验反跌了，
用户高点击的item上的tag的Top-3，3个tag-id可以作为用户的3维特征，但是如何区分这Top-3里哪个是Top-1，还是Top-2，还是Top-3呢，比如用户Top-1点
然后如果有需要，把相关的 子jar包 去掉。
【代码】Mac 使用root用户。
在 https://nlp.stanford.edu/software/stanford-corenlp-4.5.6.zip。在 https://stanfordnlp.github.io/CoreNLP/human-languages.htm
将要评估的那维特征置为默认值，比如0，观察AUC相比置0之前的降低程度。
【代码】pyspark drop_duplicates 报错 py4j.Py4JException: Method toSeq([class java.lang.String]) does not exist。
【代码】安装brew报错，Failed to connect to raw.githubusercontent.com port 443。
安装python3.8。
branch2 先从 branch1 fork出来。现在想把branch2给merge到branch1。然后 branch2 有更新 commit。然后 branch1 也更新 commit。
【代码】Linux 当前文件夹下的 所有文件中查找String。
【代码】lambda expressions are not supported in -source 1.5 (use -source 8 to enable lambda expressions)
比如搜 奶茶 在 呷哺 下单，（呷哺也在卖奶茶），有上万个 奶茶query 都在 呷哺item 下单，那么给 呷哺item 打上 奶茶tag 肯定
【代码】SQL column1 contains another column2。
在scala文件里import一个java文件，报错。很可能是import的这个java文件里的。里的代码的初始化问题。
【代码】Latex，在table的cell里换行。
可以一起用 比如 高频1gram+高频2gram+高频3gram+高频4gram。如果没有好的分词工具的话，
高频/低频 用户行为（浏览/点击/下单）是相当于 已经去掉噪声 的数据，数据质量是可以的，可以一起用 比如 高频
1，Talk Is Cheap，你的见解不是那么重要。3，职场沟通，就事论事，论事只为干事。2，少管闲事，管好自己就行了。
如果没有这个功能的话，推荐的商品，都是针对用户过去数日的兴趣，也是很直接的idea，除了重新排序商品，也有很多其他实现方式。比如 用户点击了一个健身器材，往下翻会多出很多健身器材，而不能响应用户今天实时的兴趣。
所以把item-id embedding后作为特征，就是一个让模型记住每个item信息的方式。是有一些 预测/泛化 的能力，但不影响模型在记忆的出发点，因为其实 模型本身就是 基于记忆（拟合） 的，
【代码】Latex，调整行间距。
Copyright © 2005-2024 51CTO.COM 版权所有 京ICP证060544号
