爭(zhēng)取每周兩篇。 積累的內(nèi)容大致分成以下幾種：數(shù)據(jù)處理分析、模型算法研究與應(yīng)用、業(yè)務(wù)知識(shí)積累。謝謝關(guān)注杀怠，歡迎交流。
發(fā)簡(jiǎn)信
IP屬地：重慶
-
新的開始
-
Learning to Rank學(xué)習(xí)筆記1：Overview搜索排序跟自己的工作比較相關(guān)，最近打算仔細(xì)拜讀一下劉鐵巖老師的經(jīng)典作品《Learning to Rank for Information Retrieval》蹋订，配合自己的理解...
-
Learning to Rank學(xué)習(xí)筆記2：The Pairwise Approach
這一節(jié)主要介紹下Pairwise相關(guān)的算法，Pointwise其實(shí)跟平時(shí)的機(jī)器學(xué)習(xí)算法很相似了刻伊，沒有什么獨(dú)到之處露戒，就不再介紹椒功。 前面說過，pairwise主要的優(yōu)化目標(biāo)主要是...
-
Hive知識(shí)積累
每天寫很多Hive語句智什，寫來寫去邏輯也就那些动漾，整理一下。 Hadoop荠锭、Spark這些大數(shù)據(jù)引擎的底層語言都比較復(fù)雜旱眯，寫起來比較困難。因此Hive與Spark SQL應(yīng)運(yùn)而生...
-
Learning to Rank學(xué)習(xí)筆記3：The Listwise Approach
Listwise是對(duì)query下的整個(gè)文檔集合進(jìn)行排序证九。Listwise的算法大致可以分為兩種删豺，一種是直接想辦法去優(yōu)化NDCG、MAP這些評(píng)價(jià)指標(biāo)愧怜，另一種是去自定義優(yōu)化損失函...
-
150 successful machine learning models: 6 lessons learned at Booking.com 論文精讀本篇論文來自Booking呀页，介紹了它們實(shí)際應(yīng)用機(jī)器學(xué)習(xí)模型的一些經(jīng)驗(yàn)。這家公司是全球最大的OTA拥坛，市值大約是攜程的四五倍蓬蝶。自己對(duì)論文做了一些整理。 1 OTA場(chǎng)景的特點(diǎn) OT...