我还通过经过训练的网络运行了另外两组数据（大小为 470K 和 473K 的样本），以查看 TEP 的准确度水平。我发现它对获得转发机会的绝对（是/否）预测准确率为 81%。请记住，他们还有大约 10% 的样本，其中做出错误的预测是正确的做法，这还不错！当然，这就是为什么我显示转发的百分比概率，而不是简单的是/否答案。
亲自尝试预测器并让我知道您的想法！ （您可以通过遵循这些快速步骤访问 Followronic 并
现在我们对机器学习有了更多的了解，让我们深入了解谷歌可能会使用机器学习来做什么。使用：
企鹅
实现 Penguin 的一种方法是识别一组可能 美国移动数据库列表 表明链接不良的链接属性，例如：
外部链接位于页脚
右侧边栏中的外部链接
接近文本，例如“赞助”（和/或相关短语）
接近包含“赞助”一词（和/或相关短语）的图像。
与彼此相关性较低的其他链接分组。
丰富的锚文本与页面内容无关。
导航中的外部链接
实现时没有任何明显的指示向用户表明它是一个链接（即下面没有线条）
来自不良类别的网站（来自文章目录、来自您不开展业务的国家/地区等）
...以及许多其他因素
请注意，这些事情对于单个链接来说不一定是坏事，但如果指向某个站点的所有链接的很大一部分具有这些属性，则算法可以开始标记站点。