@alexapollo
还是那句话，先学数学，学完了你什么都懂了。

@alexapollo
一切脱离现实的空谈都是耍流氓。
对于你，可能深度的产品解剖、行业分析质量很高，但是徐小平不在乎，李开复不在乎，他们对行业的理解已经不需要这些东西，他们看这些都是小儿科，他们反而更希望看到改变世界的新创意和新点子，这些对他们才是高质量。
”汝之蜜糖,彼之砒霜”就是这个道理。

所以，没有普世价值的质量高，只有对某一个群体的价值高。
数据量大了，展现的趋势足够说明问题。相信数据不凭主观臆断做事情，是做机器学习最基本的准则。

数据量大了， bias 就会显得微不足道，数据就足够说明问题。

如果你想要一个对你质量高的，那你就自己去标记然后训练模型咯，也能得出结果，但只对你有效。

@pandachow 我说的也是应届哦
机器学习的岗位本来门槛就高，比一般开发岗位薪资多的

@pandachow
大哥有点过分了。。果壳在北京 8k - 15k
头条的相关岗位已经 30w 起了

打分是机器学习最典型的应用之一。

首先要说明的是，打分这种事情没法主观来标注，尤其对于今日头条这种，你作为一个硕士毕业或者博士毕业生，你喜欢的，你觉得质量高的，在你的目标眼睛里，未必是高质量的，你觉得俗不可耐的，却恰恰是他们的蜜糖。
或者，你不喜欢阿里，不喜欢 wp ，但是买了微软和阿里的股票，就一定非常喜欢关注他们的文章。

那么对于文章的评价，要用统计量来对文章的质量作评价，合适的 label 有：
对于已经过滤掉了标题党的文章，可以使用 ctr
对于没有过滤过内容的文章，可以使用平均停留时长
或者，以上两者的加权平均。


有了 label ，考虑进行打分。当然分数按照 label 的 scale 来，若是 ctr 做 label ，分数是 0-1 越高越好， 0.3 以上的 ctr 一般就是质量非常高的分数了。

对于特征，有两种特征：
一种叫做泛化特征，即伴随着文章一直不变的特征，如 tf-idf ， word2vec ，文中是否包含不规范的标点，文章来源，文章发布时间等等
一种叫做历史特征，即随时间会变化的特征，如历史 ctr ，如每个词的 ctr ，如类别的 ctr 。

用两种特征套到模型里，就能得到一个你想要的公式或者模型了。

一般地，我们用于打分的特征，不少于 300 维，也就是说，从几百个方面来衡量一篇文章究竟质量好还是坏，从而决定，是否要给用户推送。

都不愿意为了女朋友下载注册一个微博，你真的爱她么

这话说得太可怕了，开源平台不要用

如果维数不高，可以任意取两维打出来看看，多取几次，两维都线性不可分，那么数据集就线性不可分了。

然而我一般不用。
直接上模型。

非线性模型， svm 啊， gbdt 啊，对线性可分的问题拟合能力也不错的。

如果要一个确定的方法确定是线性可分还是线性不可分，那这样的方法是不存在的，要不然 svm 的 kernel function 选什么就不是玄学了。

感谢分享

@qnsh 有理有据，让人信服

@qnsh 不懂的意思是不是算法方向的，大学基础算法是懂的，但是推荐系统给他们是肯定做不出来，不懂算法不是指 V2 用户上个 leetcode 都要哀嚎难的不行的程度。

@qnsh 他们三个是做工程的，并不是做算法的，他们不懂算法

@explon 知乎并没有拿得出手的推荐算法

今天看到一篇更有意思的文章
卫星能用 Node 来写 + 很多人写 Node ！= 很多人可以给卫星写 Node

@qcloud
@dphdjy
这叫做各种编辑器
dota 、真三、澄海 3C 都是用 war3 的编辑器做的游戏，一样火的不行

看了下网站， nlp 方面，也就是一个硕士研究生的水平。。。 bad case 太多， good case 太少。。

为什么不利用 html5 的 local storage 呢

@jmc891205 麻烦，一遍遍历完成的事情非要搞这么多事情