推薦系統(tǒng)中的核心是從海量的商品庫挑選合適商品最終展示給用戶。由于商品庫數(shù)量巨大，因此常見的推薦系統(tǒng)一般分為兩個階段，即召回階段和排序階段。召回階段主要是從全量的商品庫中得到用...
發(fā)簡信
IP屬地：福建
-
推薦系統(tǒng)遇上深度學(xué)習(xí)(三十九)-推薦系統(tǒng)中召回策略演進！ -
Multi-task Learning(Review)多任務(wù)學(xué)習(xí)概述背景：只專注于單個模型可能會忽略一些相關(guān)任務(wù)中可能提升目標(biāo)任務(wù)的潛在信息，通過進行一定程度的共享不同任務(wù)之間的參數(shù)，可能會使原任務(wù)泛化更好。廣義的講，只要loss有多個就算M...
-
過擬合及解決方案是什么 過擬合（overfitting）是指在模型參數(shù)擬合過程中的問題，由于訓(xùn)練數(shù)據(jù)包含抽樣誤差，訓(xùn)練時，復(fù)雜的模型將抽樣誤差也考慮在內(nèi)，將抽樣誤差也進行了很好的擬合。 具體...
-
Generative Model（VAE1）Unspervised learning主要任務(wù)目標(biāo)是發(fā)掘數(shù)據(jù)潛在有價值的結(jié)構(gòu)，主要分為clustering，dimentionality reduction，feature...
-
精簡強化學(xué)習(xí)總結(jié)強化學(xué)習(xí) 元素：actor(我們可以控制，決策我們的行為)，Env，Reward（我們不能控制環(huán)境）主要方法：model-baed（對Env建模，actor可以理解環(huán)境）, ...
-
Variational Autoencoder, VAE，變分自編碼器http://geek.csdn.net/news/detail/230599 X(例如現(xiàn)有MNIST)->z->生成無盡的手寫數(shù)字 該公式很難求解。因此用一個變分函數(shù)q(z...
-
Deep Reinforcement Learning簡介David Silver說，AI = RL + DL = Deep Reinforcement Learning他的課程：RL Cource by David SilverR...
-
神經(jīng)網(wǎng)絡(luò)訓(xùn)練Trick神經(jīng)網(wǎng)絡(luò)構(gòu)建好，訓(xùn)練不出好的效果怎么辦？明明說好的擬合任意函數(shù)(一般連續(xù))(為什么？可以參考Neural Network and Deep Learning)，說好的足夠多的...
-
xgboost的原理沒你想像的那么難xgboost 已然火爆機器學(xué)習(xí)圈，相信不少朋友都使用過。要想徹底掌握xgboost，就必須搞懂其內(nèi)部的模型原理。這樣才能將各個參數(shù)對應(yīng)到模型內(nèi)部，進而理解參數(shù)的含義，根據(jù)需...
