（4）阿里PAI_基于用户画像的物品推荐

通过PAI中的流程，学习到本实例中的流程。数据预处理——特征扩充——数据切分——类型转换——归一化——缺失值填充——模型训练——预测（可视化）

 

通过不同特征之间的组合产生新的特征

 

 

用户购买就是一个二分类，即：买、不买。

 

 

 

 

 

上面的error是一个梯度——生成值与目标的差值。这个差值其实就是下图中的代价函数 J()

吴恩达中介绍的梯度下降算法模型（如下图）

 

 

 

下图是二分类评估的一种方法：　　

ROC图的左上角越靠近网格的左上角(即面积越大)，预测效果越好

 下图是混淆矩阵对预测结果的评估：

 

 

在PAI中可以查看训练出来的模型，也可通过部署直接生成API，

 

转载于:https://www.cnblogs.com/shangshuai/p/7637283.html