1.推荐系统概述tips
（1）产生原因：在大数据时代，信息冗余，推荐系统帮助过滤信息。
（2）推荐系统与搜索不同的地方：
搜索是带有目的性的，结果和用户的搜索词有很大的关系；
推荐系统不具有目的性，个性化的推荐系统往往依赖于丰富的用户行为数据。
2.评价指标
常见的评价指标有，准确率、精准率和召回率、均方根误差、对数损失函数等
（1）Accuracy=N(correct)/N(total)
其中N(correct)表示被正确分类的样本个数，N(total)为总样本个数
明显缺陷：当不同类别的样本比例不平衡时，占比大的类别往往成为影响准确率的最主要因素。如负样本占99%，那么分类器把所有样本都预测为负样本，准确率也为99%
（2）精准率和召回率
（待补充所有公式）
（3）均方根误差
（4）对数损失函数
P-R曲线、ROC曲线、平均精度均值
（1）P-R曲线
（2）ROC曲线
（3）平均精度均值
3.召回
召回与排序比较
多路召回
召回方法
4.思考：
为什么使用AUC曲线
