机器学习PAI的 split和hitrate 怎么使用？

Split 和 Hitrate 是阿里云机器学习平台 PAI 的两个组件，它们分别用于数据拆分和向量召回评估。以下是这两个组件的使用方法：

1. Split 组件：
   Split 组件用于将输入表的数据拆分为两个或多个输出表。您可以通过 SQL 脚本组件调用 PAI 命令来配置和使用 Split 组件。例如，以下命令将输入表 wbpc 的前 25% 数据拆分到输出表 wpbc_split1，其余数据拆分到输出表 wpbc_split2：

   PAI -name split -project algo_public -DinputTableName=wbpc -Doutput1TableName=wpbc_split1 -Doutput2TableName=wpbc_split2 -Dfraction=0.25
   

   请注意，您需要根据实际情况修改命令中的参数，如 inputTableName、output1TableName、output2TableName 和 fraction。

2. Hitrate 组件：
   Hitrate 组件用于计算向量召回的准确率。它接受三个输入：item embedding 表、user embedding 表和真实序列表。您可以通过 SQL 脚本组件调用 PAI 命令来配置和使用 Hitrate 组件。例如，以下命令使用 Hitrate 组件计算向量召回的准确率：

   PAI -name hitrate -project algo_public -DinputTableName=your_input_table
   

   请注意，您需要根据实际情况修改命令中的参数，如 inputTableName。

机器学习PAI的split和hitrate是用于评估模型性能的两个重要指标。

1. split：split是将数据集划分为训练集和测试集的过程。在机器学习中，我们通常将数据集按照一定比例划分为训练集和测试集，用训练集来训练模型，然后用测试集来评估模型的性能。split的目的是为了避免过拟合，即模型只对训练数据表现良好，但对新数据的泛化能力较差。

使用split的方法如下：

• 首先，确定要划分的比例，例如70%的数据作为训练集，30%的数据作为测试集。
• 然后，使用相应的函数或方法进行划分。在机器学习库中，通常会提供相关的函数或方法来实现split操作。
• 最后，将划分后的训练集和测试集分别用于模型的训练和评估。

1. hitrate：hitrate是指在分类问题中，正确预测为正类的样本数占总样本数的比例。它是衡量分类器性能的一个重要指标之一。

使用hitrate的方法如下：

• 首先，根据实际需求确定正类和负类的定义。
• 然后，使用分类器对测试集中的样本进行预测，得到预测结果。
• 接着，统计预测结果中正确预测为正类的样本数和总样本数。
• 最后，计算hitrate的值，即正确预测为正类的样本数除以总样本数。

需要注意的是，hitrate只能用于二分类问题，对于多分类问题需要使用其他指标来评估模型的性能。

用split的代码，可以放到oss之类的，然后在mc正常调tf那样用。pai的文档上有调tf的方法 ，此回答整理自钉群“【EasyRec】推荐算法交流群”

模型hitrate评估https://help.aliyun.com/zh/pai/user-guide/model-hitrate-eval?spm=a2c4g.11186623.0.i39
该组件使用hit_rate_pai.py脚本，实现向量召回评估的功能。