gjq718

| | guojq718 | | [email protected] | 如果数据集够大就过拟合也没啥问题，特别小的数据集过拟合就很有问题，而且我发现连续特征也没有用上这个模型，但是换个数据集也能训练个几次才过拟合，不知道问题在哪 签名由网易邮箱大师定制 在2020年8月25日 22:58，举起手来 写道： 我的也是，感觉这库不行呀，动不动过拟合。。。。 — You are receiving this because you authored the thread. Reply to this email directly, view it...

你好，我有些问题，关于y=【1,0,1】 这个预测到底预测的是哪个项，我理解的是sess1的第一个列表全部都是用户0的历史交互数据，那y标签的是哪一个项？

谢谢，我还有疑惑，对于给的例子数据 uid ugender iid cateid ... sess2_iid sess2_cate_id sess_number y 0 0 1 1 ... [1, 2, 3, 0] [1, 2, 2, 0] 2 1 标红的1作为用户0标签，它标记的是用户点击那一项的概率，正常来说用户一次交互都有一个标签代表有没有点击，平常的数据集也没太见过这种类似方式的 如果我用自己的数据集比如Movieslens,那y那一列我该怎么写，因为movieslens都是用户交互一个项 有一个标签，比如交互200个项有200个标签，sessi之后那y那一列只能写一个数，那这时他标记预测的哪一项呢 期待您的解答，我困在这出不去了 |...

太谢谢你了，我看懂你的说明了。 对于session负样本的问题，session里应该是规定了只能是正样本，而且必须是正样本，因为session里相当于装的是你的兴趣偏好，这是你的依据，如果session里有负样本，这个负样本就相当于噪声，严重混淆你的判断，所以如果存在负样本的话应该剔除，只保留正样本，这是我的理解。 | | guojq718 | | [email protected] | 签名由网易邮箱大师定制 在2020年8月7日 10:20，laizef 写道： 谢谢，我还有疑惑，对于给的例子数据 uid ugender iid cateid ... sess2_iid sess2_cate_id sess_number y 0 0 1 1 ... [1, 2,...