1700533754
（1）根据user_id（user_id完全随机生成）个位数的奇偶性将用户划分为实验组和对照组，对实验组施以推荐模型A，对照组施以推荐模型B；
1700533755
1700533756
（2）将user_id个位数为奇数且为美国用户的作为实验组，其余用户为对照组；
1700533757
1700533758
（3）将user_id个位数为奇数且为美国用户的作为实验组，user_id个位数为偶数的用户作为对照组。
1700533759
1700533760
分析与解答
1700533761
1700533762
上述3种A/B测试的划分方法都不正确。我们用包含关系图来说明三种划分方法，如图2.4所示。方法1（见图2.4（a））没有区分是否为美国用户，实验组和对照组的实验结果均有稀释；方法2（见图2.4（b））的实验组选取无误，并将其余所有用户划分为对照组，导致对照组的结果被稀释；方法3（见图2.4（c））的对照组存在偏差。正确的做法是将所有美国用户根据user_id个位数划分为试验组合对照组（见图2.4（d）），分别施以模型A和B，才能够验证模型A的效果。
1700533763
1700533764
1700533765
1700533766
1700533767
（a）散列空间
1700533768
1700533769
1700533770
1700533771
1700533772
（b）被稀疏的划分方案
1700533773
1700533774
1700533775
1700533776
1700533777
（c）有偏的划分方案
1700533778
1700533779
1700533780
1700533781
1700533782
（d）正确、无偏的划分方案
1700533783
1700533784
图2.4 A/B测试中的划分方法（黄色为实验组，棕色前对照组）
1700533785
1700533786
1700533787
1700533788
1700533789
百面机器学习：算法工程师带你去面试 [:1700532180]
1700533790
百面机器学习：算法工程师带你去面试 05 模型评估的方法
1700533791
1700533792
1700533793
1700533794
场景描述
1700533795
1700533796
在机器学习中，我们通常把样本分为训练集和测试集，训练集用于训练模型，测试集用于评估模型。在样本划分和模型验证的过程中，存在着不同的抽样方法和验证方法。本小节主要考察面试者是否熟知这些方法及其优缺点、是否能够在不同问题中挑选合适的评估方法。
1700533797
1700533798
知识点
1700533799
1700533800
Holdout检验，交叉验证，自助法（Bootstrap），微积分
1700533801
1700533802
问题1 在模型评估过程中，有哪些主要的验证方法，它们的优缺点是什么?
1700533803