本实验选用数据为UCI开源数据集，仅用于学习，请勿商用）
Wide&Deep推荐算法出自一篇论文《Wide&Deep Learning for RecommenderSystems》，Wide&Deep由两部分组成，分别是Wide和Deep。先来说wide，表示的是generalized的推荐系统，传统的推荐系统都是通过线性算法基于离散特征来做推荐的。Wide推荐通常是这样的：系统通过获得用户的购物日志数据，包括用户点击哪些商品，购买过哪些商品，然后通过one-hot编码的方式构成离散特征或者通过对业务的理解衍生出一些特征，并进行计算，类似于本系列文章第二篇。这种wide推荐方式有非常多的好处，比如对于大规模的稀疏数据有很好的效果，而且模型的解释性很强。什么叫模型的解释性呢？以逻辑回归为例，每个特征都对应模型中的一个权重值，每个特征的权重值的大小跟这个特征对结果的影响是有关的。那么wide方式同样有很多缺点，比如我们一直强调的，特征衍生需要很多人为操作，需要专家经验，另外这种推荐只对用户操作过的商品有效。
接着讲下deep，这里的deep表示的是通过深度学习学习出来的一些向量，这些向量是隐性特征，往往是没有明确可解释性的。这些向量也可以作为特征的一部分参与到训练中。通过deep方式产生的特征会有以下好处，其一可以拟补人为提取特征造成的人力思考维度的限制，试想下一个人可以轻易的思考出二阶乘法的结果，如果是五阶呢？其二这部分特征是深度学习框架自动生成的，无需人力干预。
既然Wide和Deep算法各有千秋，那如果可以将两种算法作为组合，那么一定可以生成更有效的推荐场景的模型，本文就介绍如何在PAI-DSW上实现基于Wide&Deep的预测。
一、业务场景描述
本节使用的是PAI-DSW云端深度学习训练平台和PAI-EAS模型服务平台，使用的是一份开源的基于人的各种背景的统计数据，解决的问题是基于人的各种基础数据预测每个人收入是否会超过50K。
本实验的全部代码和数据已经内置于PAI-DSW，只要打开DSW就可以安装下方的教程运行实验。
二、数据集介绍
数据源：引用UCI开源数据源，https://archive.ics.uci.edu/ml/datasets/Census+Income
具体特征字段如下：
| 字段名 | 含义 | 类型 | 描述 |
|---|---|---|---|
| age | 对象年龄 | double | 对象的年龄大小 |
| workclass | 工作性质 | string | 自由职业者、私企、企业人员、政府工作者、无业游民等 |
| fnlwgt | 连续数据 | double | - |
| education | 学历 | string | 学士、说是、博士、11th、10th、1s-4th等等 |
| education-num | 教育年限 | double | 教育年限 |
| marital-status | 婚姻状况 | string | 单身、未婚、离异等等 |
| occupation | 职业 | string | 工程师、农民、销售等等 |
| relatonship | 家庭角色 | string | 妻子、父亲、没家庭等等 |
| race | 人种 | string | 亚裔、白人、黑人等等 |
| sex | 性别 | string | 女性、男性 |
| capital-gain | 连续数据 | double | - |
| capital-loss | 连续数据 | double | - |
| hours-per-week | 连续数据 | double | - |
| native-country | 祖籍国家 | string | 美国、哥伦比亚、英格兰、加拿大等等 |
目标字段：income是否超过50k
三、数据探索流程
首先进入PAI-DSW，找到左侧的Demo文件夹，下载Wide&Deep数据集及代码包。
（1）工程描述
首先看下整个工程，
- 包含一个census_data文件夹，里面包含一个训练数据和一个测试数据
- official文件夹是一个工具包
- census_main.py为训练脚本
（2）训练模型
打开一个terminal环境，执行
python census_main.py --export_dir wide_deep_saved_modelwide_deep_saved_model为输出模型所在的文件夹，训练完在文件目录下会找到相应文件，打开后可以看到checkpoint：
把这个checkpoint的号记住。
（3）模型预测
现在已经生成了模型的checkpoint输出，接下来进入terminal，运行以下脚本：
saved_model_cli run --dir wide_deep_saved_model/${模型checkpoint号码}/ --tag_set serve --signature_def="predict" --input_examples='${预测数据}'根据本文的案例可以执行以下脚本拿到预测结果：
saved_model_cli run --dir wide_deep_saved_model/1542168326/ --tag_set serve --signature_def="predict" --input_examples='examples=[{"age":[46.], "education_num":[10.], "capital_gain":[7688.], "capital_loss":[0.], "hours_per_week":[38.]}, {"age":[24.], "education_num":[13.], "capital_gain":[0.], "capital_loss":[0.], "hours_per_week":[50.]}]'输入了两条预测数据，最终拿到预测结果：
输入了两条预测数据，可以得到预测输出，第一条预测结果为1，第二条结果为0，可以通过output key probabilities判断（注：矩阵第一行对应第一个预测结果，第二列0.9599956>第一列0.04000434，所以第一个预测结果是1。同理第二个预测结果是0）。
可以通过代码official/wide_deep/census_dataset.py来看具体的特征工程的特征和目标值的构建，目标列>50k时目标值为1，目标列<50k时目标值为0。
于是预测结果第一条的人的预测收入为>50k，预测结果第二条的人的预测收入<50k。
（4）模型在线部署
生成的模型是Tensorflow的标准模型格式，可以通过PAI-EAS将模型部署成Http服务供调用。
后续流程可以参考在线预测文档：https://help.aliyun.com/document_detail/92917.html
部署成在线服务之后，这样就可以做到模型跟用户自身的业务结合，完成PAI模型训练和业务应用的打通。
本文作者：傲海
阅读原文
本文为云栖社区原创内容，未经允许不得转载。