發(fā)簡信
IP屬地：內(nèi)蒙古
-
幾種信息熵的理解本文記錄的目的是方便自己學(xué)習(xí)和復(fù)習(xí)，有誤之處請諒解，歡迎指出。 之前對算法原理和推導(dǎo)寫的比較多，評價(jià)指標(biāo)、信息熵較少，補(bǔ)充下。 機(jī)器學(xué)習(xí)算法...
-
模型評價(jià)指標(biāo)（CTR）本文記錄的目的是方便自己學(xué)習(xí)和復(fù)習(xí)记餐，有誤之處請諒解，歡迎指出薇正。 之前的文章沒有對評價(jià)指標(biāo)進(jìn)行一個梳理片酝，此小結(jié)補(bǔ)充一下建模過程中一些常用的評價(jià)...
-
異常檢測-One-Class SVM 單分類本文記錄的目的是方便自己學(xué)習(xí)和復(fù)習(xí)，有誤之處請諒解挖腰，歡迎指出雕沿。 （2）SVDD （one class SVM） SVDD的思路其實(shí)不難，基本思...
-
異常檢測-自編碼本文記錄的目的是方便自己學(xué)習(xí)和復(fù)習(xí)猴仑，有誤之處請諒解晦炊，歡迎指出。 我們?nèi)粘ｍ?xiàng)目中經(jīng)常會遇到數(shù)據(jù)不均衡的情況宁脊，這非常普遍断国，例如某動物分類項(xiàng)目的類...
-
文本相似度之Sim_hash算法本文記錄的目的是方便自己學(xué)習(xí)和復(fù)習(xí)，有誤之處請諒解榆苞，歡迎指出稳衬。 最近項(xiàng)目有用到Sim_hash，做個簡單記錄坐漏。 Sim_hash是Goo...
-
主成分分析（PCA）
本文記錄的目的是方便自己學(xué)習(xí)和復(fù)習(xí)薄疚，有誤之處請諒解，歡迎指出赊琳。 主成分分析（Principal Component Analysis街夭，PC...
-
支持向量機(jī)推導(dǎo)本文記錄的目的是方便自己學(xué)習(xí)和復(fù)習(xí)，有誤之處請諒解躏筏，歡迎指出板丽。 支持向量機(jī)（SVM）是算法工程師最耳熟能詳?shù)臋C(jī)器學(xué)習(xí)模型之一，這節(jié)對SVM作粗...
-
DeepFM算法本文記錄的目的是方便自己學(xué)習(xí)和復(fù)習(xí)，有誤之處請諒解埃碱，歡迎指出猖辫。 FM通過對于每一位特征的隱變量內(nèi)積來提取特征組合，最后的結(jié)果還不錯砚殿，理論上F...
-
FFM算法本文記錄的目的是方便自己學(xué)習(xí)和復(fù)習(xí)啃憎，有誤之處請諒解，歡迎指出似炎。 之前介紹了FM辛萍，接下來是它的改進(jìn)版本FFM，加入了領(lǐng)域Field思想羡藐。在F...