IP屬地：北京
-
西瓜書精讀(二)-線性模型
線性模型是通過訓練學到一個線性組合的來進行預測的函數(shù)皆看。線性回歸的性能評估指標是均方誤差初厚，基于均方誤差最小化來進行模型求解的方法叫做最小二乘法，而...
-
西瓜書精讀(一)-模型的評估與選擇過擬合和欠擬合峭弟。欠擬合：模型學習能力不夠引几。解決方法：決策樹擴展分支丹允、神經(jīng)網(wǎng)絡增加訓練輪數(shù)航瞭。過擬合：模型學習過了，學到了噪聲钞钙。過擬合無法避免鳄橘，只能...
-
DIN原理和代碼實現(xiàn)注意力機制 DIN模型的創(chuàng)新點在于增加了注意力機制，用于生成用戶的embedding向量芒炼。具體公式如下 其中瘫怜，是用戶的embedding向量，是...
-
NFM原理和代碼實現(xiàn)原理 FM只能進行二階特征交叉本刽，是否可以利用深度神經(jīng)網(wǎng)絡更強的特征組合能力來改進FM模型呢鲸湃？2017年新加坡國立大學基于此提出了NFM模型赠涮。NF...
-
DeepFM原理和代碼實現(xiàn)FM算法 因子分解機模型（Factorization Machine, FM）是一種基于矩陣分解的機器學習算法，它廣泛應用于廣告和推薦領域暗挑，主要...
-
Wide&Deep論文和代碼實現(xiàn)
簡介 傳統(tǒng)上笋除，我們采用大量特征工程的LR模型來應對大規(guī)模稀疏數(shù)據(jù)的分類和回歸任務。在本論文里炸裆，將寬度模型與深度神經(jīng)網(wǎng)絡進行聯(lián)合訓練垃它，結合了記憶與...
-
DeepCrossing原理和代碼實現(xiàn)
微軟于2016年提出了DeepCrossing模型。DeepCrossing完整解決了特征工程烹看、稀疏特征稠密化国拇、多層神經(jīng)網(wǎng)絡優(yōu)化目標等應用問題，...
-
【從零開始學推薦】排序算法
更新中...
-
【從零開始學推薦】特征工程
制作特征和標簽惯殊， 轉成監(jiān)督學習問題[https://tianchi.aliyun.com/mas-notebook/preview/130010...