wide&deep模型及稀疏特征和密集特征对比讲解

1.稀疏特征和密集特征

2.wide&deep简介

wide&deep模型曾被谷歌用来作为谷歌商店的推荐算法，就是根据你浏览了啥，分析之后给你推荐啥。
google曾于 2016 年在DLRS上发表了一篇文章：2016-Wide & Deep Learning for Recommender Systems，模型的核心思想就是结合线性模型的记忆能力（memorization）和 DNN 模型的泛化能力（generalization），在训练过程中同时优化 2 个模型的参数，从而达到整体模型的预测能力最优。

记忆（memorization）即从历史数据中发现item或者特征之间的相关性。
泛化（generalization）即相关性的传递，发现在历史数据中很少或者没有出现的新的特征组合.