240 發(fā)簡信
IP屬地：陜西

  • 越精致越累魄宏，還不如邋遢來的自在

    精致男生夜生活指南

    之前認識一位男性朋友，上周拉著我一起逛超市删性。他嫻熟地徘徊于貨架與購物車珍剑，車厘子解幽、牛排浑娜、蝦仁铝噩、速食拉面、酸奶......“哐哐”落入購物車泪喊，凌亂地堆在一起棕硫。我很佩服他，在逛超市...

  • 120
    CTR預估

    一袒啼、概要 目標：將合適的內(nèi)容哈扮，在合適的場景，展示給合適的人 量化指標：CTR,Click-Through-Rate,點擊通過率 應用場景：廣告展示蚓再、推薦滑肉、搜索結(jié)果排序廣告，考...

  • 120
    為什么ResNet和DenseNet可以這么深摘仅？一文詳解殘差塊為何能解決梯度彌散問題靶庙。

    傳統(tǒng)的“提拉米蘇”式卷積神經(jīng)網(wǎng)絡模型，都以層疊卷積層的方式提高網(wǎng)絡深度娃属，從而提高識別精度六荒。但層疊過多的卷積層會出現(xiàn)一個問題，就是梯度彌散(Vanishing)矾端，backpro...

  • 如何感性地理解EM算法掏击？

    如果使用基于最大似然估計的模型，模型中存在隱變量秩铆，就要用EM算法做參數(shù)估計砚亭。個人認為，理解EM算法背后的idea殴玛，遠比看懂它的數(shù)學推導重要捅膘。idea會讓你有一個直觀的感受，從...

  • 120
    吳恩達機器學習—正則化

    過擬合問題 當變量過少時滚粟，可能存在欠擬合寻仗；當變量過多時，會存在過擬合坦刀。過擬合可能對現(xiàn)有數(shù)據(jù)擬合效果較好愧沟，損失函數(shù)值幾乎為零，但是不能進行泛化時鲤遥，即不適于非訓練集的其他數(shù)據(jù)。 ...

  • 120
    Stacking Learning在分類問題中的使用

    建議先閱讀以下文章 知乎：Kaggle機器學習之模型融合（stacking）心得 Blog：Stacking Models for Improved Predictions ...

  • 120
    美團機器學習實踐第四章-模型融合總結(jié)

    思維導圖如下： 模型融合是一種有效提升機器學習效果的方法林艘，通過構(gòu)建并融合多個模型來完成學習任務盖奈。模型融合主要包含兩個階段：構(gòu)建若干單模型和模型融合。 如果模型融合使用的單模型...

  • 120
    天池比賽--“商場中精確定位用戶所在店鋪”分享

    背景介紹 這是筆者參加的第一個大數(shù)據(jù)比賽狐援，預賽最好成績是前50名钢坦，但是由于后來競爭越發(fā)激烈（分類正確率差0.01,排名都能差上10多名...）和興趣漸漸轉(zhuǎn)到研究NLP上究孕，最終...

  • 利用機器學習模型完成時間序列預測

    1.簡述 時間序列數(shù)據(jù)是一種典型的數(shù)據(jù)，時間序列預測方法比較多爹凹。比如ARIMA模型厨诸、Prophet模型、指數(shù)平均法禾酱、滑動平均法等等微酬。 本文采用機器學習算法，如線性回歸颤陶、隨機森...

  • 120
    簡單直觀地理解非負矩陣分解NMF

    我對NMF的理解是一個反反復復的過程颗管，時懂時不懂，因此在這里簡單記錄下我目前清醒的認知滓走。 NMF的基本思想可以簡單描述為：對于任意給定的一個非負矩陣A垦江，NMF算法能夠?qū)ふ业揭?..

  • 120
    深入解讀RFM算法模型-運營實戰(zhàn)應用干貨

    從事用戶運營多年，一直都是在不斷摸索中成長搅方。從畢業(yè)后進入到國內(nèi)知名化妝品公司-電商事業(yè)部比吭，再到到國內(nèi)top3堅果零食企業(yè)，一直都想花時間把自己對用戶這一塊的摸索積累記錄下來姨涡，...

  • 機器學習面試題總結(jié)（筆記）

    一 面試題概述 面試的時候梗逮，面試官會結(jié)合你的回答和你的簡歷來詢問你，所以在寫簡歷的時候绣溜，簡歷上所寫的所有內(nèi)容在寫的時候必須自己反問一下自己慷彤，這個知識點懂不懂。 面試其實是一個...

  • 120
    時間序列分解

    1怖喻、時間序列分解 1.1 時間序列的組成部分 一個時間序列往往是一下幾類變化形式的疊加或耦合：長期趨勢(Secular trend,T)底哗，季節(jié)變動(Seasonal Vari...

  • 你好，target是取自未來特征的還是取自歷史和未來特征加起來的

    機器學習與時間序列預測

    前言 在所有的預測問題里面锚沸，時間序列預測最讓我頭疼跋选。 做時間序列預測，傳統(tǒng)模型最簡便哗蜈，比如Exponential Smoothing和ARIMA前标。但這些模型一次只能對一組時間...

亚洲A日韩AV无卡,小受高潮白浆痉挛av免费观看,成人AV无码久久久久不卡网站,国产AV日韩精品