Q1：模型评估中Bestloss指标的意义？

答：在分类模型中我们通常以损失函数（Loss Function）（有时也叫代价函数 Cost Function 或目标函数 Objective）L来衡量我们对结果的不满意程度。当评分函数输出结果与真实结果之间差异越大，损失函数输出越大，反之越小。因此Bestloss就是损失函数输出的最小值。

Q2：如何提升模型精确率（Precision）？

答：事实上从Precision的公式Precision=TP/(TP+FP)可以看出在一个模型中精确率并不是越高越好，过高的精确率往往意味着对一些特征的过拟合。因此我们还需要考虑召回率（recall），recall=TP/(TP+FN)召回率保证了较低的假负率能确保更多的正例被识别出来。所以模型的性能是精确率（Precision）和召回率（recall）的平衡。在确实需要提升某一类样本的精确率时往往通过提供更多的训练样本来实现。

Q3：如何获取导出的SDK？

答：导出SDK因为涉及到对算法使用范围的授权，因此在您提交导出申请后，后台的产品服务同学会与您取得联系，确定您的实际需求并给你提供帮助。

Q4：把模型部署成在线API的方式时如何选择QPS参数？

答：QPS（Queries Per Second）是每秒能处理的查询次数指标，即线上API处理请求的吞吐量。目前在公测期间我们默认提供10QPS，如果您有特殊需求可以通过工单寻求支持。但因公测期间产品整体资源比较紧张，因此您的需求是否能被满足需要视当时的整体资源情况而定，请您谅解。在产品正式商业化时，QPS指标可以完全由您自己决定。