当推荐遇到社交：美图的推荐算法设计优化实践( 三 )
为了解决上述挑战，我们分别从工具和算法两个方面入手。在工具上，去年我们开发了 MML 机器学习平台，提供从日志处理到模型在线服务的一站式解决方案。在算法上，我们在美图推荐场景上进行了良好的实践，针对目前存在的问题以及产品的需要，进行了很多有益的尝试，也获取到了一些经验。下面我将从工具和算法这两方面和大家分享下。
工具篇：MML 机器学习平台
MML，全称 Meitu Machine Learning Platform，是一站式机器学习服务平台，为用户提供从数据预处理，特征与样本生产，模型构建、训练与评估以及模型在线服务的全流程开发及部署支持。其平台架构图见图一。
图1/7
图一 平台架构图
MML 机器学习平台包括三个主要模块：
Spark Feature：负责数据分析、特征工程，以及样本拼接。Spark Feature 基于 Spark SQL 进行开发，用户通过编写 SQL 以及配置样本拼接 JSON，即可实现特征以及样本生产的工作；
推荐阅读
- xyg|XYG晋级S组，还没来得及高兴就遇到了生涯最强的对手，大仙都愁眉苦脸
- 狼队|fly杀伤力有多强？张大仙一句评价太到位，幸好他们没遇到狼队
- 腕豪|LOL：排位选腕豪要BAN掉的五个英雄，遇到第二位，打野来了也没用
- 我的世界|《我的世界》领衔！推荐9款低配置、超耐玩的游戏神作
- 单机|游戏推荐：当前八款最热门的大型单机，都是不容错过的精品游戏
- 游戏推荐|11月游戏推荐，每年的游戏黄金月份，你还在不知道玩什么吗？
- 盖伦|金铲铲：上大分阵容推荐！赌狗阵容变异大嘴湮灭一切！
- 游戏推荐|Steam疯狂周三特惠游戏推荐，每一款都是特别好评！
- 光剑|DNF：鬼剑士武器幻化推荐！光剑首推“灯管”，流光系人气最高
- 传奇|璀璨复古传奇：法师遇到战士只能被按在地上摩擦？道士表示不服