- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI机器学习与深度学习算法
机器学习入门 10-2 精准率和召回率
对于本例而言，混淆矩阵中1万个病人中实际有10个患有癌症的人（真实值为1），而在这10个患有癌症的人中，算法成功预测出8个患有癌症的人。 上一小节中，对于极度偏差的数据构建一个算法，比如有1万个人癌症的发病率为千分之一，也就是在1万个人中只有10个人患有癌症，那么我们完全可以预测1万个人都是健康的。 对于上面的混淆矩阵： 真实值为0的一行为所有健康的人，其中一共有(TN + FP) = (9990 + 0) = 9990个人； 真实值为1的一行为所有患有癌症的人，其中一共有(FN + TP) = (10 + 0) = 10个人； 如果预测系统预测所有人都是健康的，也就是算法预测全部在预测值为0的部分，而在预测值为1的部分全都是0。 而召回率为算法预测为1并且真实值为1的样本总数除以所有真实患有癌症的总人数，即TP / (TP + FN) = 0 / (10 + 0) = 0，召回率同样为0没有意义。
1.9K30发布于 2020-03-27 - 来自专栏AI机器学习与深度学习算法
机器学习入门 10-6 精确率-召回率曲线
另外一个是横坐标为精准率，纵坐标为召回率，用于查看精准率和召回率的平衡点。 在上一小节中，通过观察调整阈值与精准率和召回率的变化关系，可以看出精准率和召回率是相互牵制相互平衡的两个指标： 当精准率升高的时候，召回率就会不可避免的降低； 当召回率升高的时候，精准率也会不可避免的降低 绘制对应不同阈值时精准率和召回率的变化曲线。 其中蓝颜色的曲线代表的是精准率，精准率随着阈值的增大而逐渐增大。橙颜色的曲线代表的是召回率，召回率随着阈值的增大而逐渐的减小。 类似的也可以找到指定召回率值时的阈值是多少。当我们希望分类结果的精准率、召回率或者精准率和召回率两个指标在某些指定值上时，就可以通过这种方式来找到对应横坐标上的阈值。 这个急剧下降开始的位置点（红色标示的位置）可能就是相较于精准率和召回率一个最好的平衡位置。在这个位置之前，召回率下降的幅度并不大，而在这个位置之后，召回率将急剧的下降。
4.4K30发布于 2020-05-13 - 来自专栏NLP/KG
向量召回：深入评估离线体系，探索优质召回方法
向量召回：深入评估离线体系，探索优质召回方法1.简介近年来，基于向量进行召回的做法在搜索和推荐领域都得到了比较广泛的应用，并且在学术界发表的论文中，基于向量的 dense retrieve 的方法也在不少数据集上都战胜了 基于此，我们考虑可以固定不同版本模型建立的索引的召回条数，在线召回时统计通过截断模型后保留下来的结果的数量，以此作为模型在全量索引上的召回评估指标。 全量刷库建索引后的召回指标，通过用户日志每次抽取 30000 个 query，对比两版向量索引分别召回 top 10 的结果，过截断模型，统计截断后保留下来的 doc 数和分析保留下来的数据的特征分布， 离线模型迭代指标A.召回指标: R1/R2/RAUC 等召回指标，衡量模型的召回率情况B.聚类指标: 衡量聚类的损失情况。 3.针对问题 3，我们对召回的结果计算 query 与召回结果之间的字重合度和 CQR(Title 分词对 Query 分词的覆盖情况)，以此来衡量召回结果的下限，防止出现既召回部分非常好的结果，但同时也召回大量非常差的结果
1.7K20编辑于 2023-10-17 - 来自专栏产品的技术小课
效率工具推荐（第10期）
输入多个同类的对比词，比如输入对比词：小鹏汽车、理想汽车和蔚来汽车，该网站会搜出对比词在小红书、B站和抖音中的正面和负面评价对比，可用于对产品口碑营销效果的监测。
86120编辑于 2022-04-01 - 来自专栏常用算法专栏
影响召回的准确性和召回速度的因素
这些因素对召回的准确性和召回速度的影响主要体现在以下几个方面： 一、影响召回准确性的因素： 数据质量：数据质量是影响召回准确性的基础因素。 因此，数据的质量越高，召回的准确性就越高。 对检索需求的理解：系统对检索需求的理解程度直接决定了召回结果的准确性。 因此，选择合适的检索词也是提高召回准确性的关键。 二、影响召回速度的因素： 数据量大小：数据量越大，系统需要处理的文档就越多，因此召回速度就会相应降低。 系统性能：系统的硬件性能（如CPU、内存、存储等）和软件性能（如算法效率、索引结构等）都会影响召回速度。如果系统性能不足，就可能导致召回速度变慢。 检索策略：不同的检索策略对召回速度的影响也不同。 为了提高召回的准确性和召回速度，可以采取一些优化措施，如提高数据质量、优化检索策略、改进算法模型、提升系统性能等。同时，也需要根据具体的应用场景和需求来选择合适的召回策略和技术。
29900编辑于 2025-04-05 - 来自专栏AI机器学习与深度学习算法
机器学习入门 10-5 精确率和召回率的平衡
本小节主要说明精准率和召回率是相互制约、相互矛盾的两个指标，通过选取不同的threshold阈值来观察精准率和召回率的变化。 如果让精准率提高，相对应的召回率就会不可避免的降低； 如果让召回率提高，相对应的精准率也会不可避免的降低； 我们要做的是找到精准率和召回率这两个指标之间的平衡。 现在反过来想让召回率升高的话，相应的就需要降低判断的概率值，比如在癌症预测系统中，当系统预测出患者患有癌症的概率为10%的时候，我们就会让算法判定这名患者患有癌症，在癌症预测系统的问题中我们拉低了threshold 现在通过decision_function函数查看前10个样本的score值，并且通过predict函数查看对于这10个样本逻辑回归算法的分类结果。 ? 前10个测试样本中的score都为负值，由于此时使用的是默认阈值为0的逻辑回归算法，因此使用predict预测前10个测试样本的分类结果都为0。
4.7K51发布于 2020-04-26 - 来自专栏NewBeeNLP
召回向排序靠齐：多目标排序蒸馏召回
召回主要是将用户所有可能感兴趣的内容取出来，排序（粗排、精排）主要是预测用户对每条内容感兴趣的程度。召回为整个推荐系统的后续阶段提供数据，保证了效果的上确界。 排序对召回提供的数据再更细致化的分析、预测和排序，保证最终用户看到的结果。可以说召回是服务于后续排序模型。 由于召回和排序是推荐的两个阶段，可以说是独立运行的过程。 在工业上，做召回和排序的可能是两波人。因此两者的目标可能存在不一致。比如：精排希望给转化率高或者浏览时长高的内容更高的评分，而召回依旧取出用户喜欢点击的内容，最终精排的能力受到了限制。 为了让召回的目标向后续的排序靠齐，我们需要一路以排序模型的目标为目标的召回方法，保证能提供排序模型所需要的数据。 多目标蒸馏召回 腾讯提出了一个多目标MMoE蒸馏DSSM召回的方法DMTL（如图1所示）。 MMoE的两个目标是点击和阅读时长。
1.8K10编辑于 2022-11-11 - 来自专栏AI机器学习与深度学习算法
机器学习入门 10-3 实现混淆矩阵，精确率和召回率
本小节首先通过具体的编程实现混淆矩阵进而计算精准率和召回率两个指标，最后使用sklearn中封装的库函数实现混淆矩阵、精准率以及召回率。 a 实现混淆矩阵、精准率&召回率 上一小节详细介绍了什么是混淆矩阵，并且基于混淆矩阵这个小工具介绍了两个新的指标精准率和召回率。这一小节就来通过具体的编程来实现混淆矩阵、精准率和召回率。 这一小节使用digits手写数字识别数据集，不过混淆矩阵、精准率和召回率是应对极度偏斜的数据集提出来的分类指标，而digits手写数字识别数据集的10个类别整体并没有太大的偏斜，为了试验效果我们需要对digits 这里将digits数据集中标签值为9的类别看作一个类别（即y = 1），而将digits数据集中所有标签值不为9的类别看作是另外一个类别（即y = 0），其实就相当于将10个类别的digits数据集的十分类问题转换成了 使用sklearn计算的召回率和我们自己编写函数计算的召回率的结果是一样的都是80%。
2.2K30发布于 2020-04-08 - 来自专栏Live专区
WIN10系统隐藏的功能 效率提升10倍
win10系统隐藏的9种功能 效率提升10倍 第二种：传闻中的卓越性能模式 既然是传闻中的模式，自然十分给力。据说该模式可以让CPU一直处于打鸡血状态，精力充沛，提高电脑运行的稳定性！ win10系统隐藏的9种功能 效率提升10倍 win10系统隐藏的9种功能 效率提升10倍 第三种：无痕沙盒，这个你自己品 大家都知道Win10中悄咪咪内置了Hyper-V虚拟机，不过另一个轻量级虚拟机 win10系统隐藏的9种功能 效率提升10倍 第五种：游戏模式 顾名思义，我们一旦开启了游戏模式，Windows就会自动将CPU、内存等的资源优先分配给游戏，把游戏体验奉为老大。 win10系统隐藏的9种功能 效率提升10倍 第六种：平板模式 如果你的电脑配有一块高大上的触摸屏，那么在开启平板模式后你就不再需要键盘和鼠标啦！而笔记本也可以瞬间变成平板电脑。 win10系统隐藏的9种功能 效率提升10倍 除此之外，用户还可以开启深色模式，使Win10系统和窗口界面整体上呈现出劲酷的黑色，更节能的同时带来了更个性化的界面。设置方法如下，马上GET实用技能！
1.7K10编辑于 2022-08-16 - 来自专栏智能仓储物流技术研习社
提高仓储拣选效率10大策略
本文来源于网络 十大提升物流效率的拣选策略，通过将其投入物流应用后，能够有助于规模大小不等的各类公司提升其配送物流效能。尽管层级划分并非那么严格，但十大策略以阶梯式叙述更有助于理解。 此类设备不仅可提高作业效率、准确率与生产率，而且还能提高供应链可视度与可追踪性，另外还能使各种规模不等的公司找到一种可应对变化且高度灵活的业务模式。 ? ? 05 实现多订单同时拣选，提高拣选效率 将多个客户的订单货品组合为一批。如果拣选员能够在各拣选位上进行货品批量拣选，就能大幅提高作业效率与系统吞吐量。 06 采用智能软件实现“一石二鸟”的拣选效率 有很多公司根本未意识到，有些托盘的整箱拣选完全可以不拣自成。利用智能订单履行软件可识别无需拣选的机会。 10 采用全自动化拣选与码盘解决方案 之前各层级均使用了人工，其理念是通过避免无附加值劳动而提高人工作业效率。但在某些情况下，如果货品极重，或流量极高，则可采用全自动解决方案。
93350发布于 2021-05-17 - 来自专栏JavaPark
10 个效率网站，助力带薪摸鱼！
前言 在日常工作中，为了提高工作时的效率，我常常会在闲暇时光去网上冲冲浪，寻找那些能够给我工作工作带来帮助的网站或者 APP。而随着时间的推移，我的收藏夹藏货越来越满了。 优品 PPT 优品 PPT[10] 这里有各种 PPT 模板、背景、图表、素材、教程、课件等资源下载，除开第 1 PPT，我也经常来这里找模板。 总结 以上就是今天给大家推荐的 10 款我在日常工作学习中经常用到的效率神器了，如果你也想提高你的效率，那就不妨也来试试这些网站吧！ iconpark.oceanengine.com/home [8] Font Awesome: https://fontawesome.com/ [9] 第 1 PPT: https://www.1ppt.com/ [10
75820编辑于 2023-05-30 - 来自专栏深度学习与推荐系统
再看经典召回算法
一般经典的召回方法即采用多路召回的方式，如下图所示。 多路召回的特点就在于“多路”，满足了挑选物品的多样性，捕捉用户兴趣的多样性，可以根据需要保证你想要召回的物品总能通过某一路挑选出来。下面就详细介绍和分析一下每一路召回方法。 ▌基于兴趣标签的召回 对用户兴趣标签进行优先级划分，然后依次根据用户的兴趣标签挑选对应标签的物品。 ▌总结 总体来说，多路召回的好处就是召回的物品考虑到用户兴趣的多样化，一般不会出现某一领域的集中召回，但是由于每一路都需要确定一个Top K中的K这个参数，调参的空间过大。 同时对于不同的用户都是固定的K值，不够合理化，因为每一个召回路不同的用户偏好不同，也可能用户在某一召回路不应该有候选物品出现，但是固定的K参数是的必须在该召回路筛选出前K个物品。
1.8K11发布于 2020-10-18 - 来自专栏用户画像
推荐系统的召回
https://blog.csdn.net/jxq0816/article/details/82151302 所谓召回，在刚接触推荐系统的时候可能只看字面意思无法理解召回的意思，召回可以理解为向用户粗选一批待推荐的商品 之后会加一层CTR预估的rank模型，相当于精排序 推荐系统的主要模块即为：召回 => 排序（精排） => 过滤模块（对最终展示商品进行过滤，多样性排序等) 推荐系统是一个很大的话题，涉及到很多模块， 这里主要是调研了一下推荐召回环节的主流做法。 应用：电商中基本是item-based CF，即对于一个用户，先取出用户过去的行为session商品（如点击，加购物车，下单等），根据规则向用户的召回集中选择商品，可以配置多个召回源，如相似、相关、偏好店铺热销等 、相关度，店铺下商品的热门程度、店铺与店铺的相似程度等） ，注：商品和商品的相似度，一般通过用户的浏览行为，用频繁项集（基于共现次数+热门商品降权方法）来计算，这样不用引入22之间计算的笛卡尔积，计算效率得到保证
2.3K30发布于 2018-09-26 - 来自专栏测试技术圈
10个小技巧提高 Kubernetes 容器效率
近年来，容器以及 Kubernetes 成为开发者以及企业用户重点关注的技术趋势，本文总结了构建和管理容器的十个重要技巧来优化 IT 成本并提高效率。 10、安全 在很多情况下，当构建 Docker 镜像时，需要让容器内的应用程序访问敏感数据，例如 API 令牌、私钥和数据库连接字符串等。
60320发布于 2019-08-02 - 来自专栏NLP/KG
推荐系统：召回算法超详细讲解[召回模型演化过程、召回模型主流常见算法(DeepMF_TDM_Airbnb Embedding_Item2vec等)、召回路
1.前言：召回排序流程策略算法简介 图片 推荐可分为以下四个流程，分别是召回、粗排、精排以及重排： 召回是源头，在某种意义上决定着整个推荐的天花板； 粗排是初筛，一般不会上复杂模型； 精排是整个推荐环节的重中之重 2.1 召回路径介绍 推荐系统中的i2i、u2i、u2i2i、u2u2i、u2tag2i，都是指推荐系统的召回路径。 第一种召回，是非个性化的。 2.2.1 多路召回 推荐服务一般有多个环节（召回、粗排序、精排序），一般会使用多个召回策略，互相弥补不足，效果更好。 精排模型非常耗时，所以召回的内容，会经过粗排之后，把少量的数据给精排进行排序 几种多路召回结果融合的方法 举个例子：几种召回策略返回的列表（Item-id，权重）分别为： 召回策略 返回列表 CTR，作为每天更新的动态加权 只考虑了点击率，并不全面 每种召回源CTR计算方法： 展现日志-带召回源：X，Y，Z，X，Y，Z 点击日志-带召回源：点击X * 则每种召回的CTR =
4.8K30编辑于 2023-02-22 - 来自专栏零域Blog
win10隐藏的9种功能-效率提升10倍
前言 在装好win10系统后，大都会问需要做什么设置才会使得系统更好用，一般情况下大家都会进行启动项的设置、关闭不必要的服务、关闭界面特效等等。那么除此之外还有什么办法让我们的系统更好用吗？ 那么，接下来要跟大家分享的是Windows 10的9种模式，要知道，同样是一台搭载 Windows 10的电脑，使用不同的模式，也会有截然不同的使用体验！ 平常想必大家都是一个个找到对应的功能入口进入，而且有时候还找不到设置，而上帝模式就能让你一眼看到win10中的所有设置（据说200多种），打开完全不费吹灰之力。 该模式适用于高端电脑，在常用的win10专业版和家庭版中经常会被隐藏，大家直接手动开启即可。 虽说Alt+Tab快捷键使用方便，但打开2个窗口以上效率就会大打折扣。 所以出现了虚拟桌面以创建多个独立桌面，一个跟女神/男神聊天，一个用来工作，互不干扰。
2K30编辑于 2022-03-28 - 来自专栏Java知己
10 个提升效率的Linux小技巧
10 个提高效率的 UNIX 和 Linux 提示 ----------------------- 如果您的服务也部署在 Linux 机器上，并且您每天有大量的时间花费在UNIX 命令的大量搜索和操作， [watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaWxhbmcwMA==,size_ 10）继续学习新的Linux命令 尝试学习更多命令及其选项，并使用它会减少思考特定任务的时间，并使用ctrl + z和fg和bg暂停进程。 如果您正在查看多个文件或日志文件，只需节省近10％的时间，因此，不是立即执行vim命令，然后立即按Ctrl + Z挂起它，而执行fg 1或fg 2将其放在前台。 ==,size_16,color_FFFFFF,t_70] 我希望这些示例，有关UNIX命令的技巧将帮助您在充分的时间上完成更多工作，并提高在UNIX中的工作效率和体验。
1.3K30发布于 2019-11-19 - 来自专栏张俊红
如何利用ChatGPT提升10倍Python效率
ChatGPT 还可以协助你进行更好的在线学习。假设你正在观看在线课程的讲座，但视频中显示的内容不正常。不必等到忙碌的在线讲师解决问题，可以让 ChatGPT 分析课程中提供的整个代码脚本以查看问题所在。
67330编辑于 2023-08-08 - 来自专栏DevOps时代的专栏
10个小技巧提高 Kubernetes 容器效率
近年来，容器以及 Kubernetes 成为开发者以及企业用户重点关注的技术趋势，本文总结了构建和管理容器的十个重要技巧来优化 IT 成本并提高效率。 10、安全 在很多情况下，当构建 Docker 镜像时，需要让容器内的应用程序访问敏感数据，例如 API 令牌、私钥和数据库连接字符串等。
78220发布于 2019-07-22 - 来自专栏技术人生黄勇
效率提升 10 倍｜OpenClaw + OpenCLI 实战体验
当时 Agent 使用了 playwright-cli（也是一个无头浏览器的命令行工具）尝试了10多轮。
6.4K63编辑于 2026-03-30
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号