问题一：机器学习PAI的EasyRec主流支持的算法有哪些类别，每个类别下分别有哪些？
机器学习PAI的EasyRec主流支持的算法有哪些类别，每个类别下分别有哪些？
参考答案：
要不就是文件被删除，要么就是文件路径有问题
关于本问题的更多回答可点击进行查看：
https://developer.aliyun.com/ask/586364
问题二：目前比较好用的机器学习PAI推荐算法有哪些？
目前比较好用的机器学习PAI推荐算法有哪些？
参考答案：
阿里云机器学习PAI平台提供了丰富的推荐算法工具，包括EasyRec算法库和推荐Plus模块。EasyRec算法库中包含了DeepFM、DIN、MultiTower及DSSM等经典的推荐排序和召回算法。这些算法能够帮助您在PAI平台上快速训练推荐算法模型、验证模型效果以及进行模型部署。
另一方面，推荐Plus模块主要针对召回算法进行了优化。目前，它推荐了三个主要的召回算法，分别是Etrec（i2i）、GeaphSage（u2i）和ALS（u2i）。其中，i2i和u2i的主要区别在于，i2i是已有一定Item的推荐系统中推荐相似的Item。
此外，深度学习在搜广推领域的应用也已经非常深入，并且给各种场景的效果带来了巨大的提升。因此，在选择适合的推荐算法时，您还可以考虑使用深度学习相关的算法。
关于本问题的更多回答可点击进行查看：
https://developer.aliyun.com/ask/586362
问题三：请教一下机器学习PAI -Dinput_table，如果是线上分区表，指定分区的格式？
请教一下机器学习PAI -Dinput_table，如果是线上分区表，指定分区的格式？
参考答案：
在Dataworks中使用EasyRec时，如果输入的表是线上分区表，可以通过在-Dinput_table参数中指定分区的格式来进行设置。具体的格式可以根据表的分区字段类型和分区值的格式来确定，常见的格式包括日期格式（如yyyy-MM-dd）、时间戳格式（如yyyy-MM-dd HH:mm:ss）等。根据具体情况，可以使用类似以下的格式进行指定：
-Dinput_table=表名/分区字段=分区值
例如，如果分区字段为date，分区值为2020-01-01，则可以使用以下格式进行指定：
-Dinput_table=表名/date=2020-01-01
需要根据实际情况进行具体的分区格式指定
关于本问题的更多回答可点击进行查看：
https://developer.aliyun.com/ask/586358
问题四：请教下机器学习PAI，训练如果想用3个worker是不是就要配4个worker？
请教下机器学习PAI，node1如果只做eval，训练如果想用3个worker是不是就要配4个worker？
我看现在node1好像只做eval?
参考答案：
是的
关于本问题的更多回答可点击进行查看：
https://developer.aliyun.com/ask/586357
问题五：我机器学习PAI的seq1，seq2特征有进入senet吗?
我机器学习PAI的seq1，seq2特征有进入senet吗?比如我写的配置类似
feature_groups {
group_name: "all"
feature_names: "a"
feature_names: "b"
feature_names: "c"
feature_names: "d"
wide_deep: DEEP
sequence_features: {
group_name: "seq1"
allow_key_search: false
need_key_feature:false
allow_key_transform:false
transform_dnn:false
tf_summary: false
seq_att_map: {
key: "item1"
hist_seq: "item_seq1"
}
}
sequence_features: {
group_name: "seq2"
allow_key_search: false
need_key_feature:false
allow_key_transform:false
transform_dnn:false
tf_summary: false
seq_att_map: {
key: "item2"
hist_seq: "item_seq2"
}
}
backbone {
blocks {
name: 'all'
inputs {
feature_group_name: 'all'
}
input_layer {
only_output_feature_list: true
}
}
blocks {
name: "senet"
inputs {
block_name: "all"
}
keras_layer {
class_name: 'SENet'
senet {
reduction_ratio: 4
}
}
}
参考答案：
你这样写就是做要attention之后再进senet，一般sequence不需要进senet，建议分开配
关于本问题的更多回答可点击进行查看：
