机器学习讲义-推荐系统--排序篇2.pptVIP

* * * * * * * * * * * * * * 模型训练 因子模型 Field-Aware FM 模型训练 因子模型 Field-Aware FM x=[0,1,1,0,1,1]=[(0,1),(0,1),(1,1)] 例子：x分为三组 因子矩阵也分为三组 组内不做内积 组间内积用不同的矩阵 模型训练 x=[0,1,1,0,1,1]=[(0,1),(0,1),(1,1)] v1 v3 1 1 0 2 1 0 2 1 v2 v3 3 1 1 0 2 1 2 0 v1 v3 v2 v1 v2 2 3 1 2 1 3 0 2 y=(x1*v1,2)*(x2*v2,1)+ (x1*v1,3)*(x3*v3,1)+ (x2*v2,3)*(x3*v3,2) =(0,2)*(1,0)+ (2,0)*(3,5)+ (2,1)*(1,5) 模型训练 x=[0,1,1,0,1,1]=[(1,0),(1,0),(1,1)] v1 v3 1 1 0 2 1 0 2 1 v2 v3 3 1 1 0 2 1 2 0 v1 v3 v2 v1 v2 2 3 1 2 1 3 0 2 y=? 模型训练 其他模型 树模型 随机森林 GBDT LambdaRank 大作业 内容： 利用数据对酒店进行排序 测试集没有：position,click_pool,gross_booking_usd,booking_book 评价指标： NDCG 交易：５点击：１展示：０ 大作业 数据 类型 描述 Srch_id Integer 搜索id Date_time Date 搜索时间 Site_id Integer E, Expedia.co.uk, Expedia.co.jp Visitor_location_country_id Integer 用户所在国家 Vistor_hist_starrating Float 用户订酒店的平均星级 visitor_hist_adr_usd Float 用户订酒店的平均花费 prop_country_id Integer 酒店所在国家 数据 类型 描述 prop_id Integer 酒店ID prop_starrating Integer 酒店星级 prop_review_score Float 酒店平均评分 prop_brand_bool Integer 是否为连锁酒店 prop_location_score1 Float A score outlining the desirability of a hotel’s location prop_location_score2 Float A score outlining the desirability of a hotel’s location prop_log_historical_price Float The logarithm of the mean price of the hotel over the last trading period.? 大作业z 大作业 大作业 数据 类型 描述 position Integer 排名 price_usd Float 价格 promotion_flag Integer 是否促销 gross_booking_usd Float 预订费用 srch_destination_id? Integer 目的地id srch_length_of_stay Integer 住宿天数 srch_booking_window Integer 预订提前的天数 srch_adults_count Integer 成人人数 srch_children_count Integer 儿童人数 srch_room_count Integer 房间的个数 srch_saturday_night_bool Integer 是否包含周末 srch_query_affinity_score Float 酒店被点概率的log值 大作业 orig_destination_distance Float Physical distance between the hotel and the customer at the time of search random_bool Integer 是否随机排序 comp1_rate Integer 是否比同行低 comp1_inv? Integer 同行是否available comp1_rate_percent_diff Float 比同行低的比例 * * * * * * * * * * * * * * * * * * * * * * */48 互联网新技术在线教