← 返回卡片

原书出处

深度学习推荐系统

07 第7章 推荐系统的评估

核验版本的摘录快照 · 导入于 2026-11-19T07:39:55.626Z

(1)消除了A/B组测试者自身属性分布不均的问题。 (2)通过给予每个人相同的权重,降低了重度消费者对结果的过多影响。

这种不区分A/B组,而是把不同的被测对象同时提供给受试者,最后根据受试者喜好得出评估结果的方法就是Interleaving方法。

7.5.2 Interleaving方法的实现 图7-8描绘了传统A/B测试和Interleaving方法之间的差异。

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/深度学习推荐系统/_epub-src/text/part0011_split_005.html

EPUB SHA-256:2cd732704a51828ea5c0ec7decb8861b35f44e5e16d9af11fbc68f7084f63382