發(fā)簡(jiǎn)信
IP屬地：上海
其實(shí)，能否/是否被“證實(shí)/證偽”都是一些相對(duì)的狀態(tài)與概念。很多“科學(xué)”的結(jié)論與認(rèn)知存在時(shí)間上的局限性。 1、無(wú)法證實(shí)，只能證偽 Causal i...
問(wèn)題1：Memorization can't generalize？ 由wide&deep文中定義：Memorization can be lo...
大部分的拆分與組合，本質(zhì)都是在trade off甚至不少明星大佬的離婚與結(jié)婚，也是在權(quán)衡即時(shí)的付出與未來(lái)潛在的收益（笑） 模型拆分訓(xùn)練 是否應(yīng)該...
在各種體系設(shè)計(jì)與問(wèn)題建模中，線性系統(tǒng)往往能幫助我們做很多簡(jiǎn)化，使得很多問(wèn)題的求解上變得更容易，并且有更好的解析解，更優(yōu)的bound，更好的收斂理...
Variance估計(jì)的難處 再次回顧一下Bengio 對(duì)當(dāng)代DNN的理解：Machine learning is essentially a f...
由于在廣告，推薦，營(yíng)銷，甚至很多更特定的業(yè)務(wù)場(chǎng)景中，整個(gè)鏈路囿于資源局限性，通常在一定工程與算法的限制下，被拆分成了多個(gè)模塊。一個(gè)typical...
1、充分?jǐn)M合的模型，分某特征取值維度在訓(xùn)練集上積分（例如區(qū)分產(chǎn)品類型進(jìn)行預(yù)估值積分），是否等于訓(xùn)練集上的統(tǒng)計(jì)值。 A：不是，需要具體分析。 a、...
在推薦場(chǎng)景下，模型auc大于0.5，其排序能力一定高于隨機(jī)嗎？模型離線評(píng)估auc大于0.5，上線后發(fā)現(xiàn)與隨機(jī)推薦沒(méi)差別？排序的商品結(jié)果與用戶沒(méi)有...
Entropy 信息量：值域發(fā)生概率越小，信息量越大。不確定性越高，信息量越大。 信息熵：值域,更確切為：，為類別數(shù)量：Skewed Proba...