發(fā)簡信
IP屬地：內(nèi)蒙古
-
《分布式機(jī)器學(xué)習(xí)》筆記1-機(jī)器學(xué)習(xí)基礎(chǔ)今天開始更新《分布式機(jī)器學(xué)習(xí)》的系列筆記，保證每周2-3更，大家一起學(xué)習(xí)啊~~ 第一次筆記是機(jī)器學(xué)習(xí)基礎(chǔ)，就簡單的整理一下知識點。 機(jī)器學(xué)習(xí)的基...
-
劍指offer-python
二維數(shù)組中的查找 Q: 在一個二維數(shù)組中（每個一維數(shù)組的長度相同），每一行都按照從左到右遞增的順序排序，每一列都按照從上到下遞增的順序排序。請完...
-
特征工程
1. 介紹 特征工程是對原始數(shù)據(jù)進(jìn)行一系列工程處理，將其提煉為特征，作為輸入。是一個表示和展示數(shù)據(jù)的過程，特征工程去除原始數(shù)據(jù)中的雜質(zhì)和冗余，設(shè)...
-
推薦系統(tǒng)-Deep&Cross Network模型
模型構(gòu)造 一個DCN模型從嵌入和堆積層開始，接著是一個交叉網(wǎng)絡(luò)和一個與之平行的深度網(wǎng)絡(luò)，最后是組合層，結(jié)合了兩個網(wǎng)絡(luò)的輸出。模型如圖： 嵌入和堆...
-
推薦系統(tǒng)-DeepFM模型
1. 介紹 特征組合的問題 對于基于CTR預(yù)估的推薦系統(tǒng)，最重要的是學(xué)習(xí)用戶點擊行為背后的隱含特征或特征組合。在不同的推薦任務(wù)中，低階組合特征或...
-
推薦系統(tǒng)-FFM(Field-aware Factorization Machine)模型
1. 介紹 在CTR預(yù)估的時候，經(jīng)常會遇到one-hot類型的變量，這會導(dǎo)致嚴(yán)重的數(shù)據(jù)特征稀疏的情況。FFM(Field-aware Facto...
-
推薦系統(tǒng)-FM(Factorization Machine)模型1. 介紹 在進(jìn)行CTR(click through rate)預(yù)估時，除了單個特征外，通常要進(jìn)行特征組合，F(xiàn)M算法是進(jìn)行特征組合時的常見算法。...
-
推薦系統(tǒng)-GBDT+LR 融合背景 在CTR預(yù)估的早期，使用最多的方法時邏輯回歸，邏輯回歸通過Sigmoid函數(shù)，將函數(shù)值映射到0-1區(qū)間，映射之后的值就是CTR的預(yù)估值。 ...