<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>评估 on PlumePHP</title><link>https://plumephp.com/tags/%E8%AF%84%E4%BC%B0/</link><description>Recent content in 评估 on PlumePHP</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Mon, 28 Sep 2026 10:00:00 +0800</lastBuildDate><atom:link href="https://plumephp.com/tags/%E8%AF%84%E4%BC%B0/index.xml" rel="self" type="application/rss+xml"/><item><title>推荐系统入门实战：协同过滤、矩阵分解与召回排序</title><link>https://plumephp.com/ml-recommender-systems/</link><pubDate>Mon, 28 Sep 2026 10:00:00 +0800</pubDate><guid>https://plumephp.com/ml-recommender-systems/</guid><description>&lt;h2 id="引言"&gt;引言&lt;/h2&gt;
&lt;p&gt;推荐系统是「预测用户会喜欢什么」——电商、视频、新闻、音乐都在用。本文按&lt;strong&gt;工业界真实架构&lt;/strong&gt;推进：先建 User-Item 交互矩阵（一切的地基），再讲协同过滤（User/Item 相似度）、矩阵分解（SVD/ALS，隐因子模型）、基于内容的推荐，然后是&lt;strong&gt;召回-粗排-精排&lt;/strong&gt;的工程架构与评估指标（准确率/召回率/NDCG），最后攻冷启动与新物品问题。&lt;/p&gt;</description></item></channel></rss>