为啥效果和老师说的不一样

来源：9-8 模型在测试数据集表现上

慕仔6521860

2019-04-17

老师，我用工作中实际的数据跑了xgb、gbdt+lr、和wd模型，结果是gbdt+lr与xgb差别不大，AUC大概0.8，而满心期待的wd模型效果最差，只有0.61，变量有一百一十个，样本量有100w左右，实在不明白其中的原因，结果差这么大。

写回答

1回答

David

2019-04-17

wd 说明你选特征和特征的feature transform 没做好，仔细看看课程中对不同数据类型是咋处理的。

慕仔6521860

我的数据集大多数都是连续的，有六七个0,1的变量，连续的我都这样处理：login_diff = tf.contrib.layers.real_valued_column("login_diff") 然后选了几个连续特征buckets:all_pv_daily_15_buckets = tf.contrib.layers.bucketized_column( all_pv_daily_15, boundaries = [0,0.000001,0.1,0.5,1,5,10,50,100,500] )其他也没做啥操作了，把离散的特征放wide,连续放在deep层，老师我能发5万的样本集和跑数脚本，帮我看下吗？感觉不应该啊~~

2019-04-18

共1条回复

个性化推荐算法实战（可用于毕设） BAT大牛亲授

让你掌握一套完整的，能落地的个性化推荐算法体系。可用于毕设。

839 学习 · 253 问题

查看课程

相似问题

这课除了代码其他讲的都真差劲

回答 2

1: 老师，提一个关于lfm损失函数的问题，正则项我看只求了pu的平方和，但不是应该对所有的pu都求平方和么，是不是少了一个sigema符号?

回答 1

负采样的顺序不太直观？

回答 1

cvr样本问题

回答 1

关于LFM模型准确性判断的问题

回答 1

打开慕课网App查看更多内容