s(t, o) = c0 + c1 * t + c2 * o 

IDF 得分、简介的 TF

IDF 得分以及片子不雅众的评分。

所以接下来直接来到代码的部分!下面的代码年腋荷琐 CSV 文件攫取数据到一个 numpy 数组;该数组是二维的，第一维作为行，第二维作为列。鄙人面的注释中可以看到很新潮的数组切片是若何进行的：

不错!我们已预备好进行一个简单线性回归了。这里我们应用一个经典的断定办法：方程比未知数多!是以我们须要应用常最小二乘法来估算特点 rockySignals 和等级 rockyGrades 间的关系。很简单，这就是 numpy 线性回归所做的：

漂亮!相干度解决了!(真的吗?)我们可以应用这些来建立一个排序函数。我们已经进修到了分别应用什么样的权重到标题和简介属性。

截至今朝，我忽视了一部分事项，即我们须要考量若何评价模型和数据的匹配度。在本文的结尾，我们只是想看看一般情况下这些模型是若何工作。但不只是假设该模型异常合适练习集数据是个不错的设法主意，老是须要回退一些数据来测试的。接下来的博文会分别介绍这些话题。

应用模型对萌芽打分

本文到此为止。后续文┞仿将会更多存眷若何精确量化模型的实用程度。应用什么样的度量方法来评价一个模型的短长? 这将是很重要的一步，旨在考验其他办法在捕获细微差别方面可否做得更好。

应用该函数我们可以获得检索“Rambo”时，这两部候选片子的相干度得分：

如今对 Rambo 和 First Blood 打分，看看下哪一个跟萌芽“Rambo”更相干!

结不雅得分分别是 Rambo 3.670 以及 First Blood 3.671。

异常接近!First Blood 稍微高于 Rambo 一点儿获胜。原因是如许——Rambo 是一个精确匹配，而 First Blood 是 Rambo 片子前传!是以我们不该该真的让模型如斯可托，并没有那么多的例子达到那个程度。更有趣的是简介得分的系数比标题得分的系数大年夜。所以至少在这个例子中我们的模型显示，简介中提到的关键字越多，最终的相干度往往越高。至此我们已经进修到一个不错的处理策略，用来解决用户眼里的相干度!

把这个模型加进来会更有意思，这很好懂得，并且产生了很合理的结不雅;然则特点的直接线性组合平日会因为相干度应用而达不到预期。因为缺乏如许的来由，正如 Flax 的同业所言，直接加权 boosting 也达不到预期。

为什么?细节决定成败!

早年述例子中可以发明，一些异常相干的片子确切有很高的 TF*IDF 相干度得分，然则模型却偏向于概要字段与相干度加倍密切。实际上何时标题匹配以及何时概要匹配还依附于其他身分。

在很多问题中，相干度等级与标题和摘要属性的得分并不是一个简单的线性关系，而是与高低文有关。如不雅就想直接搜刮一个标题，那么标题肯定会加倍匹配;然则对于并不太肯定想要搜刮标题，照样类别，或者片子的演员，甚至其他属性的情况，就不太好办了。

换句话说，相干度问题看起来并非是一个纯粹的最优化问题：

实践中的相干度要加倍复杂。并没有一个神奇的最优解，宁可说很多局部最优依附于很多其他因子的! 为什么呢?换句话说，相干度看起来如图所示：

可以想象这些图(吴恩达机械进修课程中的干货)用于展示“相干度缺点” —— 离我们正在进修的分数还有多远。两个θ变量的映射表示标题和摘要的相干度得分。第一张图中有一个单一的最优值，该处的“相干度缺点”最小 —— 一个幻想的权重设置应用这两个萌芽。第二个加倍实际一些：波浪起伏、高低文相干的局部最小。有时与一个异常高的标题权重值有关，或者是一个异常低的标题权重!

与高低文和细微差别密切相干!

【编辑推荐】

1. 机械进修之决定计划树与随机丛林模型
2. 弗成不知!若何应用机械进修来袭击AI下的收集犯法
3. 解析阻拦机械进修的十种收集进击
4. 区块链技巧中的机械进修
5. 解析阻拦机械进修的十种收集进击

一个搜刮症礁绞糈标题属性中出现过若干次一个搜刮症礁绞糈摘要属性中出现过若干次扩大膳绫擎的评价，可能会获得如下 CSV 文件所示的回归练习集，把具体的旌旗灯号值映射为等级：

　　推荐阅读

　　Windows 10系统怎么让桌面图标消失？如何隐藏桌面图标？

沙龙晃荡 | 去哪儿、陌陌、ThoughtWorks在主动化运维中的实践！10.28不见不散！ 若何隐蔽桌面搁笔?若是你还在费劲的删除桌面文件和桌面搁笔，不如尝尝将桌面搁笔完全隐蔽吧，如许才不会湮没>>>详细阅读

本文标题：轻松入门机器学习排序LTR之：线性模型

地址：http://www.17bianji.com/lsqh/38099.html

 1/2    1