按照我之前的推荐业务数据处理方法,首先有rating数据进行排序后(按照点击时间先后排序)划分训练集和测试集,一般我采用留一法进行测试(即将最后一个item作为测试),这是最标椎的测试方法,比那些8 2划分要好很多,只要数据是已定的,那么训练集和测试集就是固定的,而随机划分的方法则不是,一个数据集随机划分有N种可能,每一种划分指标结果可能都有差异,你可以反驳说差异很小,但排序中差异3个点就能发paper了,我觉得有可能达到3个点的差异。所有我用留一法。马化腾南极🐧群 277356808
1,spark-df对点击行为按照user,timestamp排序,经典问题:多列排序问题
py中很好解决,sor