https://book.douban.com/people/fleure/annotation/26593179/
在信息检索中，准确率通常用于评价结果的质量，而召回率用来评价结果的完整性。
通常，准确率和召回率是负相关的，高准确率常常对应低召回率，反之亦然。
准确率和召回率在单独度量时用处不大，但是它们通常会被一起组成聚合或者平均度量。二者也同时依赖于模型中选择的阈值。
现代的大数据场景包含如下需求：比如能与系统的其他组件整合，尤其是数据的收集和存储系统、分析和报告以及前端应用；易于扩展且与其他组件相对独立..；.. 最好能同时支持批处理和实时处理。
个性化和推荐十分相似，但推荐通常专指向用户显式地呈现某些产品或是内容，而个性化有时偏向隐式。比如说，对 MovieStream 的搜索功能个性化，以根据该用户的数据来改变搜索结果。
对数据进行初步预处理之后，需要将其转换为一种适合机器学习模型的表示形式。对许多模型类型来说，这种表示就是包含数值数据的向量或矩阵。
在现实系统中，模型的应用将影响用户的决策和潜在行为，从而反过来将从根本上改变模型自己将来的训练数据。