如何训练召回？
谢邀 本人某上市金融公司，AI Lab负责人、深度学习研究员。从2013年开始接触并研究机器学习、人工智能领域，在NIPS、ICML、KDD等会议发表论文十余篇，曾参与Google Brain、Facebook AI Research等项目。
我觉得要培养对模型的感知能力。很多时候我们调参调了一天，结果发现参数调错了，这样不仅浪费时间而且还容易打击自信心。我认为比较好的方式是对待参数就像对待模型一样，尽量使参数稀疏化，也就是说如果一个参数有多个值能到达同样效果就不需要这个参数了（除非这个参数确实是特征）；如果某个参数必须设为非零常数才能起作用，那么这个常数值也应该尽可能的小。
然后就是多关注模型的非线性结构而不是参数。很多新算法出来都是由于发现了新的非线性关系才得到应用的。因此我们要尽可能多的去发现数据中的非线性结构。
最后一点是要大胆尝试不同的模型，很多时候我们都因为担心模型不够“高级”而使用一个模型不停迭代，其实可以尝试一下别的模型，或许会有更好的效果！