算法模型好坏、评价标准、算法系统设计

算法模型好坏的评价通用标准：

1、解的精确性与最优性。基于正确性基础上。

2、计算复杂度，时间成本。

3、适应性。适应变化的输入和各种数据类型。

4、可移植性。

5、鲁棒性。健壮性。

	鲁棒性（robustness）就是系统的健壮性。它是在异常和危险情况下系统生存的关键。比如说，计算机软件在输入错误、磁盘故障、网络过载或有意攻击情况下，能否不死机、不崩溃，就是该软件的鲁棒性。所谓“鲁棒性”，是指控制系统在一定（结构，大小）的参数摄动下，维持某些性能的特性。根据对性能的不同定义，可分为稳定鲁棒性和性能鲁棒性。以闭环系统的鲁棒性作为目标设计得到的固定控制器称为鲁棒控制器。

关于推荐系统的设计：参考文章1

自始至终需要关注两件事：目标、测量方法。

一个电子商务网站推荐系统设计与实现——硕士论文分析

一、应用场景

1、网站首页、新品推荐：采用item相似度策略推荐。目标：提供新颖商品。

2、商品详情、看过的还看过，看过的还买过：采用频繁项集挖掘推荐。目的：降低商品寻求成本，提高体验、促进购买。

3、网站购物车、买过的还买过：频繁项集挖掘。目的：提高客单价。

4、网站会员中心、与用户浏览历史相关商品：item相似度。目的：提升复购率。

5、商品收藏栏、搜索栏、品牌栏、品类栏：item相似度。目的：获取用户更多反馈；帮助用户发现需求；完善内链结构，流畅页面跳转；完善品类之间内链结构，流畅跳转。

二、推荐系统核心问题

三个核心要素：用户、商品、推荐系统。

用户特征分析：行为