音乐推荐系统——第二周实验总结

一、完成的工作

​ spark 读取 hdfs 中的数据并进行 ALS 建模，使用交叉验证选取最优的模型

二、遇到的问题

1、通过超参调整，交叉验证方式获得最优模型时遇到问题

​ 老师说过超参调整，交叉验证方式获得最优模型，还提到了 AUC 曲线，我当时不知道什么是超参调整，什么是交叉验证，什么是 AUC 曲线，就想着要快点写代码，ppt 看几页就去写几行代码，全是靠运气往出试，结果到最后浪费了很多时间，并且还是没弄懂这三个东西是什么。

​ 后来实在写不出来了，就查官网，上网搜资料，发现是可以通过 AUC 曲线或者交叉验证来进行超参调整，来得到最好的模型。

​ 在上网查资料的过程中，发现自己可能是最近看视频讲课看的太多了，丧失了独立思考的能力，看一篇文章比以前费劲多了。视频学习是快，但是会让人丧失思考能力，还是要定期看书、看文章的。

2、使用交叉验证调参之后，不会把模型转会成 ALS 模型，导致自己以为是思路出现了问题

​ 在使用交叉验证调参之后，发现原来的 ALS 模型不能用了，这时候以为是思路出现了问题，就又开始纠结，各种查资料，还是查不出来，后来发现同学使用交叉验证的 API 又转回了 ALS 模型，这才解决问题。

​ 自己一想，这个模型有这种 API 完全是合情合理的，自己动动脑筋完全可以猜到，但是又不能确定的话就应该去查看源码，而不应该只会百度，还有就是自己还是对交叉验证的理解不够。

三、总结

1、多思考

​ 写代码是脑力活，而不是体力活，面对问题要多想办法来解决，而不是只会查百度，其实可能就是懒，就想吃现成的。

2、不能只靠看视频学习

​ 看视频的学习速度确实快，但这种方式会抹杀掉我自己独立思考的能力，而看书、看文章虽然晦涩，但会使自己越来越聪明，所以在学习东西的时候，要有选择地看视频。

3、要读源码、看官方 API

​ 我们经常使用的框架，这些都是很成熟的，如果遇到问题百度搜不到，大概率是别人没遇到这种问题，而大多数人遇不到的基本就不是问题，肯定很好解决，所以要看看官方 API是怎么说的，再解决不了问题就看源码。

​ 一定不能懒！！！！！！！！！！！！！！！！！

​ 总是懒得思考，懒得排错，这会浪费大量的时间！