發(fā)簡(jiǎn)信
IP屬地：江蘇
-
幾種信息熵的理解本文記錄的目的是方便自己學(xué)習(xí)和復(fù)習(xí)，有誤之處請(qǐng)諒解，歡迎指出。 之前對(duì)算法原理和推導(dǎo)寫(xiě)的比較多，評(píng)價(jià)指標(biāo)、信息熵較少，補(bǔ)充下。 機(jī)器學(xué)習(xí)算法...
-
模型評(píng)價(jià)指標(biāo)（CTR）本文記錄的目的是方便自己學(xué)習(xí)和復(fù)習(xí)，有誤之處請(qǐng)諒解，歡迎指出。 之前的文章沒(méi)有對(duì)評(píng)價(jià)指標(biāo)進(jìn)行一個(gè)梳理，此小結(jié)補(bǔ)充一下建模過(guò)程中一些常用的評(píng)價(jià)...
-
異常檢測(cè)-One-Class SVM 單分類(lèi)本文記錄的目的是方便自己學(xué)習(xí)和復(fù)習(xí)，有誤之處請(qǐng)諒解，歡迎指出。 （2）SVDD （one class SVM） SVDD的思路其實(shí)不難，基本思...
-
異常檢測(cè)-自編碼本文記錄的目的是方便自己學(xué)習(xí)和復(fù)習(xí)，有誤之處請(qǐng)諒解，歡迎指出。 我們?nèi)粘ｍ?xiàng)目中經(jīng)常會(huì)遇到數(shù)據(jù)不均衡的情況，這非常普遍，例如某動(dòng)物分類(lèi)項(xiàng)目的類(lèi)...
-
文本相似度之Sim_hash算法本文記錄的目的是方便自己學(xué)習(xí)和復(fù)習(xí)，有誤之處請(qǐng)諒解，歡迎指出。 最近項(xiàng)目有用到Sim_hash，做個(gè)簡(jiǎn)單記錄。 Sim_hash是Goo...
-
主成分分析（PCA）
本文記錄的目的是方便自己學(xué)習(xí)和復(fù)習(xí)，有誤之處請(qǐng)諒解，歡迎指出。 主成分分析（Principal Component Analysis，PC...
-
支持向量機(jī)推導(dǎo)本文記錄的目的是方便自己學(xué)習(xí)和復(fù)習(xí)，有誤之處請(qǐng)諒解，歡迎指出。 支持向量機(jī)（SVM）是算法工程師最耳熟能詳?shù)臋C(jī)器學(xué)習(xí)模型之一，這節(jié)對(duì)SVM作粗...
-
DeepFM算法本文記錄的目的是方便自己學(xué)習(xí)和復(fù)習(xí)，有誤之處請(qǐng)諒解，歡迎指出。 FM通過(guò)對(duì)于每一位特征的隱變量?jī)?nèi)積來(lái)提取特征組合，最后的結(jié)果還不錯(cuò)，理論上F...
-
FFM算法本文記錄的目的是方便自己學(xué)習(xí)和復(fù)習(xí)，有誤之處請(qǐng)諒解，歡迎指出。 之前介紹了FM，接下來(lái)是它的改進(jìn)版本FFM，加入了領(lǐng)域Field思想。在F...