|
|
@@ -1,8 +1,9 @@
|
|
|
# 1. 总体
|
|
|
- str+模型(rov)和ros-模型(nor)，使用相同的底层数据，都是通过make_data.sh获得的；其中str+模型每天更新，ros-模型手动更新(目前没有更新)。
|
|
|
-- 使用时，需将脚本中的jar文件路径&alpha_fm路径，替换成自己的路径
|
|
|
-- [数据生成code]()
|
|
|
-- [ros-模型训练code](https://git.yishihui.com/algorithm/recommend-model/src/feature/jch)
|
|
|
+- 使用时，需将脚本中的jar文件路径&alphaFM路径，替换成自己的路径
|
|
|
+- [数据生成code](https://git.yishihui.com/algorithm/recommend-emr-dataprocess/src/feature/jch_makedata)
|
|
|
+- [str+模型训练code: alphaFM](https://github.com/CastellanZhang/alphaFM)
|
|
|
+- [ros-模型训练code: spark_xgboost](https://git.yishihui.com/algorithm/recommend-model/src/feature/jch)
|
|
|
|
|
|
# 2. make_data
|
|
|
- run.sh生成t+2底层数据(样本表：dwd_recsys_alg_sample_all_20250212) & rov t+2 训练样本
|
|
|
@@ -33,4 +34,8 @@
|
|
|
### src
|
|
|
|
|
|
# 4. ros-模型(nor)
|
|
|
-- python src/preprocess/eval_result.py --input_file test_result.csv
|
|
|
+- nor_pipline.sh 训练流程
|
|
|
+- nor_sample.sh 生成样本数据
|
|
|
+- nor_train.sh 使用spark_xgboost训练模型
|
|
|
+- nor_predict.sh 使用训练好的模型，测试
|
|
|
+- update2oss.sh 将本地模型生成至oss(需先将模型下载至本地，tar打包，再上传至oss)
|
jch