知识卡片
相乘排序需定义缺特征中性值
把发件量、线程参与、活跃度、主题及正文词权重相乘形成排序分数。缺特征时用1可避免将整体归零,但等于选择“不奖不罚”的业务假设;相关特征重复计算可能放大相同证据。评分不是概率,也不保证没有并列。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第4章 排序:智能收件箱 训练和测试排序算法 · 连续片段1 · 查看原书依据
rank<-prod(from, thread.from, activity, thread.terms.weights, msg.weights) return(c(msg[1],msg[2],msg[3],rank)) } 在为从数据集中每一封邮件抽取的特征赋权重时,rank
参考来源
- 位置:《机器学习:实用案例解析》第04章《训练和测试排序算法 · 连续片段1》(来源项目book-sources;源文件:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part3101.html,spine3207)
- 结论依据:原文的案例步骤与解释支持所述机制;R包、外部API与数据接口限定于本书出版时环境,不作为当前兼容性承诺。
- 原始内容:rank<-prod(from, thread.from, activity, thread.terms.weights, msg.weights) return(c(msg[1],msg[2],msg[3],rank)) } 在为从数据集中每一封邮件抽取的特征赋权重时,rank