發(fā)簡信
IP屬地：湖北
-
2016-《Wide&Deep Learning for Recommenders Systems》論文筆記1. 背景 ??本文提出Wide&Deep模型蚌铜，旨在使得訓(xùn)練得到的模型能過同時獲得記憶（memorization）和泛化（generalizat...
-
詞嵌入(word2vec)1. 為何不采用 one-hot 向量 假設(shè)詞典中不同詞的數(shù)量（詞典大谐对佟）為 N，每個詞可以和從 0 到 N?1的連續(xù)整數(shù)一一對應(yīng)葱跋。這些與詞對應(yīng)...
-
Machine Learning基礎(chǔ)：Bias（偏差）盒发、Error（誤差）和Variance（方差）Machine Learning基礎(chǔ)：Bias（偏差）兔沃、Error（誤差）和Variance（方差） ??首先明確一點，Bias和Varianc...
-
Logistic Regression 原理及實現(xiàn)1 模型介紹 1.1 sigmoid函數(shù) ??在介紹邏輯回歸模型之前卵沉，我們先引入sigmoid函數(shù)颠锉，其數(shù)學(xué)形式是： ??對應(yīng)的函數(shù)曲線如下圖所示...
-
Machine Learning 基礎(chǔ)：最優(yōu)化方法
1. 2. 使用動量Momentum(動量)的隨機梯度下降（SGD） ??1.動量方法主要是為了解決Hessian矩陣病態(tài)條件問題（直觀上講就是...
-
Machine Learning基礎(chǔ)：正則化項（Regularization）
1 正則化（Regularization） ??奧卡姆剃刀定律。 ??機器學(xué)習(xí)中幾乎都可以看到損失函數(shù)后面會添加一個額外項史汗，常用的額外項一般有兩...
-
Machine Learning基礎(chǔ)：欠擬合和過擬合1 欠擬合 欠擬合是指模型擬合程度不高琼掠，數(shù)據(jù)距離擬合曲線較遠(yuǎn)，或指數(shù)據(jù)沒有很好地捕捉到數(shù)據(jù)特征停撞，不能夠很好地擬合數(shù)據(jù)瓷蛙。 如果模型在訓(xùn)練集中表現(xiàn)較...
-
協(xié)同過濾（Collaborative Filtering）學(xué)習(xí)筆記1. 以用戶為基礎(chǔ)（User-based）的協(xié)同過濾 ??基于用戶的協(xié)同過濾算法是通過用戶的歷史行為數(shù)據(jù)發(fā)現(xiàn)用戶對商品或內(nèi)容的喜歡(如商品購買，...
-
Scala學(xué)習(xí)筆記
1 Scala入門 scala Hello World Scala變量 Scala變量 Scala字符串 Scala數(shù)組 scala List ...