排序学习与搜索召回排序系统
搜索引擎的效果上限由排序决定。本文讲解召回-排序漏斗结构、排序学习（LTR）的 pointwise/pairwise/listwise 三种范式、LambdaMART 与神经排序模型、NDCG/MRR/MAP 等评估指标、特征穿越陷阱，以及向量召回与 LLM 重排的工程结合。
tag
特征工程
共 4 篇文章。
机器学习流水线与特征选择实战：Pipeline、SelectKBest 与递归消除
机器学习流水线与特征选择实战：scikit-learn Pipeline 组合、ColumnTransformer 异构数据、特征选择三大类（过滤/包裹/嵌入）、SelectKBest 与统计检验、RFE 递归消除、正则化特征选择、特征选择防泄漏、Pipeline 与交叉验证、生产落地与调试。
设计推荐系统
本文深度设计推荐系统：覆盖召回（协同过滤/向量召回）、粗排与精排、特征工程与特征服务、模型训练与在线推理、近实时特征更新、冷启动问题，以及 AB 实验与离线在线评估，给出完整数据流、特征模型伪代码与量级估算。
10. 特征工程实战
机器学习特征工程深度指南：特征选择、特征构造、时间序列特征、文本/图像特征提取与自动化特征工程