IP屬地：北京
-
西瓜書精讀(二)-線性模型
線性模型是通過訓(xùn)練學(xué)到一個線性組合的來進(jìn)行預(yù)測的函數(shù)果港。線性回歸的性能評估指標(biāo)是均方誤差，基于均方誤差最小化來進(jìn)行模型求解的方法叫做最小二乘法，而...
-
西瓜書精讀(一)-模型的評估與選擇過擬合和欠擬合。欠擬合：模型學(xué)習(xí)能力不夠。解決方法：決策樹擴(kuò)展分支、神經(jīng)網(wǎng)絡(luò)增加訓(xùn)練輪數(shù)。過擬合：模型學(xué)習(xí)過了臂外，學(xué)到了噪聲。過擬合無法避免，只能...
-
DIN原理和代碼實現(xiàn)注意力機(jī)制 DIN模型的創(chuàng)新點在于增加了注意力機(jī)制漏健，用于生成用戶的embedding向量嚎货。具體公式如下 其中，是用戶的embedding向量蔫浆，是...
-
NFM原理和代碼實現(xiàn)原理 FM只能進(jìn)行二階特征交叉殖属，是否可以利用深度神經(jīng)網(wǎng)絡(luò)更強(qiáng)的特征組合能力來改進(jìn)FM模型呢？2017年新加坡國立大學(xué)基于此提出了NFM模型瓦盛。NF...
-
DeepFM原理和代碼實現(xiàn)FM算法 因子分解機(jī)模型（Factorization Machine, FM）是一種基于矩陣分解的機(jī)器學(xué)習(xí)算法洗显，它廣泛應(yīng)用于廣告和推薦領(lǐng)域，主要...
-
Wide&Deep論文和代碼實現(xiàn)
簡介 傳統(tǒng)上原环，我們采用大量特征工程的LR模型來應(yīng)對大規(guī)模稀疏數(shù)據(jù)的分類和回歸任務(wù)挠唆。在本論文里，將寬度模型與深度神經(jīng)網(wǎng)絡(luò)進(jìn)行聯(lián)合訓(xùn)練嘱吗，結(jié)合了記憶與...
-
DeepCrossing原理和代碼實現(xiàn)
微軟于2016年提出了DeepCrossing模型玄组。DeepCrossing完整解決了特征工程、稀疏特征稠密化谒麦、多層神經(jīng)網(wǎng)絡(luò)優(yōu)化目標(biāo)等應(yīng)用問題俄讹，...
-
【從零開始學(xué)推薦】排序算法
更新中...
-
【從零開始學(xué)推薦】特征工程
制作特征和標(biāo)簽， 轉(zhuǎn)成監(jiān)督學(xué)習(xí)問題[https://tianchi.aliyun.com/mas-notebook/preview/130010...