多目标优化算法_多目标优化概论及基础算法ESMM与MMOE对比（二）

  承接上文：   链接：多目标优化概论及基础算法ESMM与MMOE对比   这次这篇文章写点实用的。可以当做推荐算法工程师面试的考前突击，也可以当做面试官的面试题库。ESSM和MMOE都是最基本的算法，相当于多目标优化的入门级的读物。越经典越需要细嚼，温故而知新嘛。   这些题目和答案都是我自己在看论文过程中自我提问和自我回答总结出来的。如果有不同看法和答案，欢迎留言交流，互为增长，互相启发。   细节篇： 第一问题集：     ESSM提出他解决了两个核心问题：1、样本选择偏差，训练的CVR的时候是点转数据集，但线上推理的时候是曝转数据；2、数据稀疏问题，转化数据比点击数据少10倍以上，模型训练是欠拟合的。 问题：ESSM是怎么解决这两个问题的，例如数据稀疏问题的，如果说他直接对曝点数据建模，数据是非常稀疏的，再上深度学习模型，肯定欠拟合，训练好的模型很多模型参数都是原始随机初始化的数，怎么处理？     答案：     这个问题就是ESSM全部内容的实质。  

    如图所示，我们来回答问题。 第一，防止欠拟合&#x