爭取每周兩篇。 積累的內(nèi)容大致分成以下幾種：數(shù)據(jù)處理分析、模型算法研究與應(yīng)用、業(yè)務(wù)知識積累。謝謝關(guān)注，歡迎交流。
發(fā)簡信
IP屬地：寧夏
-
新的開始
-
Learning to Rank學習筆記1：Overview搜索排序跟自己的工作比較相關(guān)，最近打算仔細拜讀一下劉鐵巖老師的經(jīng)典作品《Learning to Rank for Information Retrieval》，配合自己的理解...
-
Learning to Rank學習筆記2：The Pairwise Approach
這一節(jié)主要介紹下Pairwise相關(guān)的算法，Pointwise其實跟平時的機器學習算法很相似了，沒有什么獨到之處，就不再介紹。 前面說過，pairwise主要的優(yōu)化目標主要是...
-
Hive知識積累
每天寫很多Hive語句，寫來寫去邏輯也就那些，整理一下。 Hadoop、Spark這些大數(shù)據(jù)引擎的底層語言都比較復雜，寫起來比較困難。因此Hive與Spark SQL應(yīng)運而生...
-
Learning to Rank學習筆記3：The Listwise Approach
Listwise是對query下的整個文檔集合進行排序。Listwise的算法大致可以分為兩種，一種是直接想辦法去優(yōu)化NDCG、MAP這些評價指標，另一種是去自定義優(yōu)化損失函...
-
150 successful machine learning models: 6 lessons learned at Booking.com 論文精讀本篇論文來自Booking，介紹了它們實際應(yīng)用機器學習模型的一些經(jīng)驗。這家公司是全球最大的OTA，市值大約是攜程的四五倍。自己對論文做了一些整理。 1 OTA場景的特點 OT...