ShallowLearner

Foreword Flink SQL之所以簡潔易用而功能強(qiáng)大，其中一個(gè)重要因素就是其擁有豐富的Connector（連接器）組件。Connector是Flink與外部系統(tǒng)交互的...

ShallowLearner

一搏嗡、推薦算法為何要精做特征工程 機(jī)器學(xué)習(xí)工作流就好比是一個(gè)廚師做菜的過程，簡單來說拉一，清洗食材對(duì)應(yīng)了清洗數(shù)據(jù)采盒，食材的去皮、切片和搭配就對(duì)于了特征工程的過程蔚润，食物的烹飪對(duì)應(yīng)了模型...

ShallowLearner

摘要：深度學(xué)習(xí)時(shí)期磅氨，與CV、語音嫡纠、NLP領(lǐng)域不同烦租，搜推廣場景下特征工程仍然對(duì)業(yè)務(wù)效果具有很大的影響，并且占據(jù)了算法工程師的很多精力除盏。數(shù)據(jù)決定了效果的上限叉橱，算法只能決定逼近上限...

ShallowLearner

為什么需要冷啟動(dòng) 通常推薦系統(tǒng)通過協(xié)同過濾、矩陣分解或是深度學(xué)習(xí)模型來生成推薦候選集痴颊，這些召回算法一般都依賴于用戶-物品行為矩陣赏迟。在真實(shí)的推薦系統(tǒng)中，會(huì)有源源不斷的新用戶蠢棱、新...

ShallowLearner

在推薦算法領(lǐng)域，時(shí)常會(huì)出現(xiàn)模型離線評(píng)測(cè)效果好泻仙，比如AUC糕再、準(zhǔn)召等指標(biāo)大漲，但上線后業(yè)務(wù)指標(biāo)效果不佳玉转，甚至下降的情況突想，比如線上CTR或CVR下跌。 本文嘗試列舉一些常見的原因，...

ShallowLearner

粗略來看擅腰，推薦算法可以簡單地分為召回和排序兩個(gè)階段蟋恬。召回模塊負(fù)責(zé)從海量的物品庫里挑選出用戶可能感興趣的物品子集，過濾之后通常返回幾百個(gè)物品趁冈。排序模塊負(fù)責(zé)對(duì)召回階段返回的物品集...

ShallowLearner

梯度提升（Gradient boosting）是一種用于回歸歼争、分類和排序任務(wù)的技術(shù)，屬于Boosting算法族的一部分箱歧。Boosting是一族可將弱學(xué)習(xí)器提升為強(qiáng)學(xué)習(xí)器的算法...

ShallowLearner

推薦系統(tǒng)已經(jīng)成為互聯(lián)網(wǎng)應(yīng)用提升點(diǎn)擊率呀邢、轉(zhuǎn)化率洒沦、留存率和用戶體驗(yàn)的必備手段，然而价淌，隨著流量和數(shù)據(jù)量的爆發(fā)式增長申眼，以及企業(yè)競爭環(huán)境日新月異的變化，快速搭建一套易用蝉衣、精準(zhǔn)括尸、可靈活擴(kuò)...