2. 数据 - 采样：对于点击率预估而言，正负样本严重不均衡，所以需要对负例做一些采样。
- 负例：正例一般是用户产生点击、下单等转换行为的样本，但是用户没有转换行为的样本是否就一定是负例呢？其实不然，很多展现其实用户根本没有看到，所以把这样样本视为负例是不合理的，也会影响模型的效果。比较常用的方法是skip-above，即用户点击的item位置以上的展现才可能视作负例。当然，上面的负例都是隐式的负反馈数据，除此之外，我们还有用户主动删除的显示负反馈数据，这些数据是高质量的负例。
- 去噪：对于数据中混杂的刷单等类作弊行为的数据，要将其排除出训练数据，否则会直接影响模型的效果。
3. 特征 在我们目前的重排序模型中，大概分为以下几类特征： - deal(即团购单，下同)维度的特征：主要是deal本身的一些属性，包括价格、折扣、销量、评分、类别、点击率等
- user维度的特征：包括用户等级、用户的人口属性、用户的客户端类型等
- user、deal的交叉特征：包括用户对deal的点击、收藏、购买等
- 距离特征：包括用户的实时地理位置、常去地理位置、工作地、居住地等与poi的距离
对于非线性模型，上述特征可以直接使用；而对于线性模型，则需要对特征值做一些分桶、归一化等处理，使特征值成为0~1之间的连续值或01二值。 总结 以数据为基础，用算法去雕琢，只有将二者有机结合，才会带来效果的提升。对我们而言，以下两个节点是我们优化过程中的里程碑： - 将候选集进行融合：提高了推荐的覆盖度、多样性和精度
- 引入重排序模型：解决了候选集增加以后deal之间排列顺序的问题
原文链接： 美团推荐算法实践
| 
