回复 第107楼 的 zaq1xsw2tktk：statistical learning的基本假设是对于同一总体的个体，具有相似的统计特征。因此从同一总体中获得一定规模的抽样后，做出的模型，应该能够应用的同一总体的其余个体的行为预测中去，当然效果要视建模方法而定。因此test中没有覆盖train中的所有user_id_a，应该是正常的，也恰好是模型的价值所在。
tk兄提到的“在大多数情况下需要我们预测USER_ID_A的行为是，往往我们也拥有部分USER_ID_A之前的行为，来对我们的模型针对USER_ID_A进行修正”，是一种很理想的状态。在实际的推荐系统里，由于常常需要给新用户推荐，而此时新用户的行为数据却是空白，这就是所谓的冷启动问题，是备受关注的问题之一。
不到30行的cpp就能达到0.22+，对于企业应用而言其实是个好消息，简单有效。后续我将做一个模拟，并设计一种图形用以直观展示NDCG在不同取值范围内时的实际推荐效果。
