發(fā)簡信
IP屬地：上海
-
UniformML:無約束優(yōu)化算法 (GD DFP BFGS LBFGS)本文摘自： http://blog.csdn.net/itplus/article/details/21896453 https://www.c...
-
UniformML-paper 4 Glove 《GloVe Global Vectors for Word Representation》今天我們來重溫下強(qiáng)烈推薦的一篇經(jīng)典的詞向量訓(xùn)練模型——Glove。（大家可能比較熟悉的是word2vec，這篇后續(xù)我們也會來重溫下，在大量語料的...
-
UniformML Paper3-MLR《Learning Piece-wise Linear Models from Large Scale Data for Ad Click》
1 Introduction 線性模型在實際應(yīng)用中雖然高效，但是實際很多特征空間的分界面未必都是線性的蚀苛，為了適應(yīng)這樣的場景，我們一般會通過兩種...
-
uniform機(jī)器學(xué)習(xí)極簡入門7—機(jī)器學(xué)習(xí)入門概述
uniform機(jī)器學(xué)習(xí)極簡入門這個系列已經(jīng)介紹了6節(jié)課，大家對機(jī)器學(xué)習(xí)（統(tǒng)計學(xué)習(xí)）有了些了解（當(dāng)然之前都是些基礎(chǔ)）躯肌，今天我們從宏觀整體上介紹下什...
-
uniformML-Paper1-Recommendation《Deep Neural Networks for YouTube Recommendation》
今天給大家介紹一篇相當(dāng)棒的經(jīng)典推薦領(lǐng)域的論文《Deep Neural Networks for YouTube Recommendation》，...
-
uniform機(jī)器學(xué)習(xí)極簡入門6—聚類算法2(DBSCAN和層次聚類)
前面我們已經(jīng)分別介紹了Kmeans和GMM聚類模型破衔，下面我們再介紹兩個很實用的聚類算法清女。 DBSCAN密度聚類 KMeans聚類的形狀一般對數(shù)據(jù)...
-
uniform機(jī)器學(xué)習(xí)極簡入門5—EM算法
上一節(jié)我們介紹了高斯混合模型（GMM），這個模型在求解的時候我們提到了EM算法运敢，本節(jié)我們詳細(xì)介紹下EM算法的基本流程校仑，其實在KMeans中也有E...
-
uniform機(jī)器學(xué)習(xí)極簡入門4—高斯混合聚類（GMM Gaussian Mixture Model）
uniform機(jī)器學(xué)習(xí)極簡入門3 我們介紹了KMeans的基本概念，這個方法是給每個樣本歸屬一個類別传惠，我們可以找出每個類別的原型向量迄沫，但是很多場...
-
uniform機(jī)器學(xué)習(xí)極簡入門3—KMeans
1 kmeans算法概述 往往在實際數(shù)據(jù)分析中，我們需要發(fā)現(xiàn)數(shù)據(jù)的一些內(nèi)在規(guī)律卦方，但是數(shù)據(jù)一般都是未標(biāo)注羊瘩，因此希望通過某個算法來揭示數(shù)據(jù)的內(nèi)在性質(zhì)...