推荐系统中的隐式召回和机器学习1

首先我们谈这个话题的时候在谈什么？

管我啥事？

咳咳，兄弟既然你已经点进来了，说明你是一个骨骼惊奇，积极上进，年轻并且 naive …啊不是，是关键词抓进来想学点东西的好少年or好少女呗，开聊~

随着网络、自动化的快速发展，这个时代充满了各种前所未有的大量数据集，如何从中提取有价值的信息，使用明确的指令很明显已经不再是一个最优的方法了。比如 google / bing / baidu 搜索信息排序、今日头条/抖音等推荐为核心的APP，垃圾邮件、恶意电话号码标记等等，假设以上所有针对个体用户“量身定做”的行为都需要依赖明确的程序，那背后代码量已经大到不可估算，那背后发生了啥，你就不好奇吗~~~来听我瞎掰扯掰扯。

啥是机器学习？

明人不说暗话，机器学习的定义：“一种不借助于明确的程序并使用电脑学习的科学”。不要被啥AI热吓退，那都是资本主义的噱头，浪潮来去，有没有高大上，有没有逼格那都不重要！解决问题才是王道！

简单分类：俩！监督学习 & 无监督学习

1、监督学习算法 Supervised learning
监督学习就是提供给算的训练数据集是m组“标准输入”和对应的“标准答案”，希望算法学习标准输入和标准答案直接的联系，这个训练结果可以用来对新的输入，给出预测的对应结果。

举个🌰，咱们的应试教育，这篇文章作者这句话想表达什么样的情感？嘿嘿这题你一定答