@LegionGuo 可以看看楼上 Goland 的回复，我们公司也提供了新税点报税的选择，这里面主要的问题是按照新税点报税会导致 9 月份不存在纳税记录，在北京，纳税记录不连续会导致工作居住证办理，车牌摇号等一系列的问题

北京地区的规定是按照报税月份扣的，如果 10 月份报的 9 月的个税，是按照 3500 扣税的，要想按照 5000 扣税，是需要财务按照 10 月份报税的，这样的话，就会出现一个月没有交税记录的情况，对于需要连续交税记录的场景不是很好，比如办理工作居住证

推荐的时候会有一类 context feature，里面有使用的设备，网络，位置等等特征的

买两个耳机，一个给老婆，一个给自己，给老婆买其它礼物也可以的，但至少要和耳机等值，我觉得这个问题用心理学技巧比较好

100 个成语，模型可以做到很小，很容易做到毫秒级响应的

分母+1

做一个分母

https://36kr.com/p/5114077.html

可以看看，但是估计比这个复杂得多

面试题还是作业？

https://github.com/amirziai/sklearnflask/

https://cloud.google.com/blog/products/gcp/serving-real-time-scikit-learn-and-xgboost-predictions

不是挺多介绍的吗？

@hamsik2046
不确定我理解你的问题是否准确哈，贴两个资料吧

这个是阿里的资料，个人认为搜索排序这块阿里的做法算是比较先进的了
https://102.alibaba.com/downloadFile.do?file=1517812754285/reinforcement_learning.pdf
但是这个方法估计你们短期内无法实现

美团的做法：
https://tech.meituan.com/meituan-search-rank.html
美团这个博客里面还有其它的一些关于推荐和排序的经验你可以翻翻看看，这里面的方法其实很多公司总体的框架都差不多，也相对较容易复制

商品的匹配、商家的质量、推广需求、广告需求等都可以作为特征输入的；然后可以根据点击率、转化率、交易量、用户满足度等作为优化目标优化模型；最后在模型排序基础上，再加入一些人工规则作为最后的排序结果

A、B 集合分别以 ID 进行排序，然后从头到位遍历 Join 即可

战略性 mark 一下

回龙观，二居，6700。。。

你对算法岗有什么误解吗？

@shoumu 有影印版，多打了一个中文

推荐这本书，讲得非常详细，带着实践《 Hands-On Machine Learning with Scikit-Learn &TensorFlow 》，有中文影印版《 Scikit-Learn 与 TensorFlow 机器学习实用指南（影印版）》