最近幾天在寫日記方面有些倦怠了,如果沒有記錄,甚至想不起前幾天究竟做了什么。因此,我決定往后無論是否完成工作,都要堅(jiān)持記錄。創(chuàng)業(yè)不是短跑,而是一場(chǎng)馬拉松。一時(shí)的激情終究比不過...
最近幾天在寫日記方面有些倦怠了,如果沒有記錄,甚至想不起前幾天究竟做了什么。因此,我決定往后無論是否完成工作,都要堅(jiān)持記錄。創(chuàng)業(yè)不是短跑,而是一場(chǎng)馬拉松。一時(shí)的激情終究比不過...
今天繼續(xù)進(jìn)行國際站運(yùn)營(yíng)方面的學(xué)習(xí),同時(shí)上新了2個(gè)新鏈接。下一步準(zhǔn)備訂購相應(yīng)規(guī)格的紙箱,定制一些可以展示的樣品。 世界本無完美精英,不過是個(gè)草臺(tái)班子。別人能做的事,你也能;別怕...
今天是正式開展阿里國際站運(yùn)營(yíng)的首日,已完成1款產(chǎn)品的重新上架并同步創(chuàng)建了2條產(chǎn)品鏈接。 通過初步市場(chǎng)分析,我對(duì)該產(chǎn)品的市場(chǎng)潛力有了更清晰的認(rèn)知,對(duì)后續(xù)運(yùn)營(yíng)工作也更有信心。 本...
人生如棋,普通人一生僅有三步關(guān)鍵落子——初入社會(huì)的擇業(yè)、而立之年的深造,以及孤注一擲的創(chuàng)業(yè)。我見過太多平凡人,憑借一次創(chuàng)業(yè)的勇氣,讓整個(gè)家庭迎來命運(yùn)的轉(zhuǎn)折。 安穩(wěn)如溫水,能撫...
線性模型是通過訓(xùn)練學(xué)到一個(gè)線性組合的來進(jìn)行預(yù)測(cè)的函數(shù)。線性回歸的性能評(píng)估指標(biāo)是均方誤差,基于均方誤差最小化來進(jìn)行模型求解的方法叫做最小二乘法,而這個(gè)求解w、b的過程稱為最小二...
過擬合和欠擬合。欠擬合:模型學(xué)習(xí)能力不夠。解決方法:決策樹擴(kuò)展分支、神經(jīng)網(wǎng)絡(luò)增加訓(xùn)練輪數(shù)。過擬合:模型學(xué)習(xí)過了,學(xué)到了噪聲。過擬合無法避免,只能緩解。解決方法:EarlySt...
注意力機(jī)制 DIN模型的創(chuàng)新點(diǎn)在于增加了注意力機(jī)制,用于生成用戶的embedding向量。具體公式如下 其中,是用戶的embedding向量,是候選商品的Embedding向...
原理 FM只能進(jìn)行二階特征交叉,是否可以利用深度神經(jīng)網(wǎng)絡(luò)更強(qiáng)的特征組合能力來改進(jìn)FM模型呢?2017年新加坡國立大學(xué)基于此提出了NFM模型。NFM主要思路是采用一個(gè)表達(dá)能力更...
FM算法 因子分解機(jī)模型(Factorization Machine, FM)是一種基于矩陣分解的機(jī)器學(xué)習(xí)算法,它廣泛應(yīng)用于廣告和推薦領(lǐng)域,主要解決數(shù)據(jù)稀疏的情況下如何進(jìn)行特...
簡(jiǎn)介 傳統(tǒng)上,我們采用大量特征工程的LR模型來應(yīng)對(duì)大規(guī)模稀疏數(shù)據(jù)的分類和回歸任務(wù)。在本論文里,將寬度模型與深度神經(jīng)網(wǎng)絡(luò)進(jìn)行聯(lián)合訓(xùn)練,結(jié)合了記憶與泛化能力。深寬模型要比單獨(dú)的深...
微軟于2016年提出了DeepCrossing模型。DeepCrossing完整解決了特征工程、稀疏特征稠密化、多層神經(jīng)網(wǎng)絡(luò)優(yōu)化目標(biāo)等應(yīng)用問題,為以后的深度推薦系統(tǒng)打下了良好...
制作特征和標(biāo)簽, 轉(zhuǎn)成監(jiān)督學(xué)習(xí)問題[https://tianchi.aliyun.com/mas-notebook/preview/130010/8xc9ksmfQsTFk0...
WHY 傳統(tǒng)時(shí)間序列聚類的缺點(diǎn): 1)時(shí)間序列聚類的研究一般采用等長(zhǎng)劃分,會(huì)丟失重要特征點(diǎn),對(duì)聚類結(jié)果有負(fù)面影響。 2)采用時(shí)間序列測(cè)量值不能準(zhǔn)確度量相似度。 如下埃博拉出血...
2020-12-02“種一顆樹最好的時(shí)間是十年前,其次是現(xiàn)在?!?8年,我從一家傳統(tǒng)咨詢企業(yè)的IT部門離職,以一個(gè)php后臺(tái)開發(fā)的身份決定投身剛剛興起的人工智能領(lǐng)域。20年,...
1. 什么是MAB問題 A. 一個(gè)賭徒,進(jìn)入賭場(chǎng),在他面前的老虎機(jī)有多個(gè)桿,每個(gè)桿吐錢的概率都不一樣。他應(yīng)該拉哪幾個(gè)桿才能獲得最大收益呢?這就是多臂賭博機(jī)問題(Mul...
課題理解[http://localhost:8889/notebooks/Desktop/code/algpro/rcpro/eva/example/news/EDA.ipy...
基于協(xié)同過濾算法進(jìn)行文章推薦。 基于物品的協(xié)同過濾+熱門補(bǔ)足進(jìn)行topK推薦。 基于物品的協(xié)同過濾(時(shí)間衰減)+熱門補(bǔ)足進(jìn)行topK推薦。 基于物品的協(xié)同過濾(時(shí)間衰減)+e...
問:如何從假設(shè)、損失函數(shù)、梯度來推導(dǎo)線性回歸和邏輯回歸? 線性回歸推導(dǎo) 1. 假設(shè)(使用最大似然估計(jì)解釋最小二乘)? 假設(shè)誤差是獨(dú)立同分布的,服從均值為0,方差為 的高斯分布...