發(fā)簡信
IP屬地：北京
-
數(shù)據(jù)結(jié)構(gòu)
存儲對象的集合 集合不同的類型有不同的查找方法 抽象數(shù)據(jù)類型（ADT） 把數(shù)據(jù)類型和數(shù)據(jù)類型上的運(yùn)算捆在一起，進(jìn)行封裝常用的數(shù)據(jù)運(yùn)算：插入、刪除...
-
BPR-貝葉斯個性化排序貝葉斯個性化排序(Bayesian Personalized Ranking, 以下簡稱BPR) 背景 為什么要設(shè)計BPR算法呢，因?yàn)樵谟行┩扑]...
-
統(tǒng)計機(jī)器學(xué)習(xí)（一） -- 機(jī)器學(xué)習(xí)介紹（1、2）ML網(wǎng)絡(luò) 算法 機(jī)器優(yōu)化 概率 統(tǒng)計數(shù)據(jù) 矩陣 信息模型 推理獲知識靠學(xué)習(xí)Data -> 模型 -> 推理 statistics提供建模框架 D...
-
統(tǒng)計機(jī)器學(xué)習(xí)（二）-- 概率（3、4、5、6）概率 1.1 概率空間和事件樣本空間是實(shí)驗(yàn)所有可能結(jié)果的空間， , 是一個元素或者實(shí)現(xiàn)事件是樣本空間的子集 測度論相關(guān) 巴拉巴拉 隨機(jī)變量 離散...
-
統(tǒng)計機(jī)器學(xué)習(xí) -- 目錄
概率基礎(chǔ) 隨機(jī)變量1 隨機(jī)變量2 高斯分布 連續(xù)分布 例子 scale mixture pisribarin jeffrey prior sta...
-
論文調(diào)研--NAIS -TKDE2018論文地址 01-NAIS （item sim） NAIS Neural Attentive Item Similarity Model for ...
-
LSTM2018-12-06來看看udacity的深度學(xué)習(xí)課的lstm實(shí)現(xiàn)代碼 RNN和LSTM 假設(shè)你有一個事件序列，這個序列是根據(jù)時間變化的，希望根...
-
kafka (python)分布式消息發(fā)布和訂閱系統(tǒng)提供了類似JMS的特性 對用戶行為收集日志收集 Broker：一個kafka服務(wù)Producerconsumertopi...
-
gensim Word2Vec
翻譯自2018-11-28word2vec算法包括skip-gram和CBOW模型，使用分層softmax或負(fù)抽樣Tomas Mikolov e...