關(guān)鍵詞：社交網(wǎng)絡(luò)分析（SNA） | 統(tǒng)計 | 冪律分布 簡介 為保證可讀性，本文將分為上下兩篇，上篇只涉及數(shù)據(jù)介紹及基本的統(tǒng)計描述性分析，下篇是基于用戶關(guān)注網(wǎng)絡(luò)關(guān)系進行的分析...
發(fā)簡信
IP屬地：北京
-
知乎社交網(wǎng)絡(luò)分析（上）：基本統(tǒng)計 -
歸一化 （Normalization）、標準化 （Standardization）和中心化/零均值化 （Zero-centered）1 概念??歸一化：１）把數(shù)據(jù)變成(０，１)或者（1,1）之間的小數(shù)。主要是為了數(shù)據(jù)處理方便提出來的，把數(shù)據(jù)映射到0～1范圍之內(nèi)處理，更加便捷快速。２）把有量綱表達式變成無量...
-
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)類型上的運算捆在一起，進行封裝常用的數(shù)據(jù)運算：插入、刪除、修改、查找、排序 組織基本數(shù)...
-
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，因為在有些推薦場景下，我們并不是想知道用戶對...
-
統(tǒng)計機器學習（一） -- 機器學習介紹（1、2）ML網(wǎng)絡(luò) 算法 機器優(yōu)化 概率 統(tǒng)計數(shù)據(jù) 矩陣 信息模型 推理獲知識靠學習Data -> 模型 -> 推理 statistics提供建?？蚣?Data Mining Data...
-
統(tǒng)計機器學習（二）-- 概率（3、4、5、6）概率 1.1 概率空間和事件樣本空間是實驗所有可能結(jié)果的空間， , 是一個元素或者實現(xiàn)事件是樣本空間的子集 測度論相關(guān) 巴拉巴拉 隨機變量 離散隨機變量 (0-1)分布數(shù)學期...
-
統(tǒng)計機器學習 -- 目錄
概率基礎(chǔ) 隨機變量1 隨機變量2 高斯分布 連續(xù)分布 例子 scale mixture pisribarin jeffrey prior statistic interenc...
-
推薦系統(tǒng)遇上深度學習(二十六)--知識圖譜與推薦系統(tǒng)結(jié)合之DKN模型原理及實現(xiàn)在本系列的上一篇中，我們大致介紹了一下知識圖譜在推薦系統(tǒng)中的一些應用，我們最后講到知識圖譜特征學習(Knowledge Graph Embedding)是最常見的與推薦系統(tǒng)結(jié)...
-
論文調(diào)研--NAIS -TKDE2018論文地址 01-NAIS （item sim） NAIS Neural Attentive Item Similarity Model for Recommendation-...
