IP屬地：陜西
-
如何利用與對抗信息繭房
我們生活在一個(gè)信息爆炸的時(shí)代，這是一個(gè)最好的時(shí)代，也是一個(gè)最壞的時(shí)代。隨著短視頻B站、抖音等視頻網(wǎng)站的崛起，自媒體信息以前所未有的速度快速膨脹，...
-
GAN1. GAN產(chǎn)生背景 以最大似然估計(jì)的方式來獲得生成圖像模型的方法，這種方法是可行的，但有比較大的約束，即模型不能太復(fù)雜，比如服從正態(tài)分布，那么...
-
信息熵、條件熵、信息增益、信息增益率
一、信息熵 1. 信息熵提出背景 我們生活在一個(gè)信息爆炸的時(shí)代，從信息學(xué)的角度來說，人類進(jìn)步的本質(zhì)就是不斷的打破信息的不對稱性。我們討厭不確...
-
聚類1.產(chǎn)生背景 聚類的目的也是把數(shù)據(jù)分類，但是事先我是不知道如何去分的，完全是算法自己來判斷各條數(shù)據(jù)之間的相似性，相似的就放在一起。在聚類的結(jié)...
-
基于內(nèi)容的推薦算法1.產(chǎn)生背景 基于內(nèi)容的推薦算法是基于標(biāo)的物的相關(guān)信息、用戶信息及用戶對標(biāo)的物的操作行為來構(gòu)建推薦算法模型，為用戶提供推薦服務(wù)，這里的標(biāo)的物...
-
LFM1. LFM的產(chǎn)生背景 推薦算法常見的協(xié)同過濾算法有兩種，一種是基于用戶或基于物品的，這種推薦算法簡單，但對稀疏矩陣的處理較為困難。因此有學(xué)...
-
PersonalRank
1. PersonalRank的產(chǎn)生背景 PersonalRank產(chǎn)生于用戶瀏覽網(wǎng)頁的行為的場景，受pageRank算法的啟發(fā)，是一種基于圖...
-
Item2vec1. item2vec產(chǎn)生背景 在了解item2vec，我們首先應(yīng)該了解Embedding的概念，什么是Embedding？Embeddin...
-
梯度爆炸 && 梯度消失1. 梯度爆炸、梯度消失的產(chǎn)生背景 前面我們講過梯度消失和梯度爆炸的根本原因是由于深度神經(jīng)網(wǎng)絡(luò)過長的鏈，在反向傳播通過鏈?zhǔn)椒▌t求導(dǎo)過程中產(chǎn)生...