![240](https://upload.jianshu.io/users/upload_avatars/16412931/2818b5fa-fcc8-4c62-9a98-689a81c8f53a.jpg?imageMogr2/auto-orient/strip|imageView2/1/w/240/h/240)
LightGBM原理及實(shí)現(xiàn) LigthGBM是boosting集合模型中的新進(jìn)成員,它和xgboost一樣是對(duì)GBDT的高效實(shí)現(xiàn)奠骄,很多方面會(huì)比x...
DKN-基于知識(shí)圖譜的推薦系統(tǒng) 知識(shí)圖譜特征學(xué)習(xí)(Knowledge Graph Embedding)是最常見(jiàn)的與推薦系統(tǒng)結(jié)合的方式迁匠,知識(shí)圖譜特...
A Subjective and Objective Integration Approach of Determining Weights f...
SQL學(xué)習(xí) 法則1:col table表/columns列/rows行 問(wèn)題:movies表有100萬(wàn)數(shù)據(jù)剩瓶? 法則2:select SELECT...
Real-time Personalization using Embeddings for Search Ranking at Airbnb ...
Wide & Deep Learning for Recommender Systems(Google&Facebook推薦) 1、背景 文章提...
ML——計(jì)算學(xué)習(xí)理論 基礎(chǔ)知識(shí) 泛化誤差:訓(xùn)練出的模型在除訓(xùn)練樣本外的新樣本集上的誤差城丧; 經(jīng)驗(yàn)誤差:訓(xùn)練出的模型在訓(xùn)練集...
ML——特征選擇和稀疏學(xué)習(xí) 子集搜索與評(píng)價(jià) 特征選擇的原因:1)屬性過(guò)多易造成維數(shù)災(zāi)難延曙,僅選擇重要特征構(gòu)建模型則能減輕該問(wèn)題;2)去除不相關(guān)特征...
ML——降維與度量學(xué)習(xí) KNN學(xué)習(xí) k近鄰(KNN)學(xué)習(xí)是一種常用的監(jiān)督學(xué)習(xí)方法亡哄,可用于分類與回歸任務(wù)中枝缔。基本思想是:給定測(cè)試樣本蚊惯,基于某種距離...