感謝簡書关摇，感謝你免绿！
發(fā)簡信
IP屬地：青海
-
-
構(gòu)建并用 TensorFlow Serving 部署 Wide & Deep 模型Wide & Deep 模型是谷歌在 2016 年發(fā)表的論文中所提到的模型。在論文中，谷歌將 LR 模型與 深度神經(jīng)網(wǎng)絡(luò) 結(jié)合在一起作為 Google Play 的推薦獲得...
-
好
構(gòu)建并用 TensorFlow Serving 部署 Wide & Deep 模型
Wide & Deep 模型是谷歌在 2016 年發(fā)表的論文中所提到的模型澈缺。在論文中，谷歌將 LR 模型與 深度神經(jīng)網(wǎng)絡(luò) 結(jié)合在一起作為 Google Play 的推薦獲得...
-
寫的深入淺出的塌鸯，非常容易理解
特征選擇之Chi卡方檢驗
卡方檢驗最基本的思想就是通過觀察實際值與理論值的偏差來確定理論的正確與否侍瑟。具體做的時候常常先假設(shè)兩個變量確實是獨立的（行話就叫做“原假設(shè)”），然后觀察實際值（也可以叫做觀察值...
-
特征選擇之Chi卡方檢驗
卡方檢驗最基本的思想就是通過觀察實際值與理論值的偏差來確定理論的正確與否丙猬。具體做的時候常常先假設(shè)兩個變量確實是獨立的（行話就叫做“原假設(shè)”）涨颜，然后觀察實際值（也可以叫做觀察值...
-
非常全面，而且解決了我多日來困惑已久的一個概念
機(jī)器學(xué)習(xí)術(shù)語表
https://developers.google.com/machine-learning/crash-course/glossary 機(jī)器學(xué)習(xí)術(shù)語表 本術(shù)語表中列出了一般...
-
機(jī)器學(xué)習(xí)術(shù)語表https://developers.google.com/machine-learning/crash-course/glossary 機(jī)器學(xué)習(xí)術(shù)語表 本術(shù)語表中列出了一般...
-
什么是信息熵茧球、條件熵和信息增益
信息增益描述了一個特征帶來的信息量的多少庭瑰，往往用于特征選擇 信息增益 = 信息熵 - 條件熵 一個特征往往會使一個隨機(jī)變量Y的信息量減少，減少的部分就是信息增益 一個例子 如...
-
不錯的問文章抢埋，有些小錯誤弹灭，但不影響理解。
什么是信息熵揪垄、條件熵和信息增益
信息增益描述了一個特征帶來的信息量的多少穷吮，往往用于特征選擇 信息增益 = 信息熵 - 條件熵 一個特征往往會使一個隨機(jī)變量Y的信息量減少，減少的部分就是信息增益 一個例子 如...
-
交叉熵 相對熵（KL散度/互熵）
香農(nóng)熵 熵考察（香農(nóng)熵）的是單個的信息（分布）的期望：反映了一個系統(tǒng)的無序化（有序化）程度饥努，一個系統(tǒng)越有序捡鱼，信息熵就越低，反之就越高酷愧。 交叉熵 交叉熵考察的是兩個的信息（分布...
-
[機(jī)器學(xué)習(xí)]“交叉熵”函數(shù)交叉熵產(chǎn)生于信息論里面的信息壓縮編碼技術(shù)驾诈，但是它后來演變成為從博弈論到機(jī)器學(xué)習(xí)等其他領(lǐng)域里的重要技術(shù)手段缠诅。 1.什么是信息量？ 假設(shè)X是一個離散型隨機(jī)變量乍迄，其取值集合為S管引，概...
-
前面都看明白了，到GBDT的偽代碼各種符號的意義沒介紹就乓，徹底暈菜汉匙。
GBDT：梯度提升決策樹
綜述 GBDT(Gradient Boosting Decision Tree) 又叫 MART（Multiple Additive Regression Tree)，是一種...
-
每天叫醒我的，不是夢想邦投，而是昨晚沒實現(xiàn)的那段代碼
-
RDD伤锚、DataFrame和DataSet的區(qū)別
spark 2.X開始，三者的關(guān)系發(fā)生了變化志衣，可以參考《且談Apache Spark的API三劍客：RDD屯援、DataFrame和Dataset》 ,在2.X中DataFram...
-
Talk is cheap, show me the code狞洋！<br><br>分布式框架、大數(shù)據(jù)绿店、機(jī)器學(xué)習(xí)<br><br>github: <a href="https://links.jianshu.com/go?to=https%3A%2F%2Fgithub.com%2Fjacksu" target="_blank">https://github.com/jacksu</a>
