IP屬地：重慶
-
A Neural Influence Diffusion Model for Social Recommendation論文 ： https://arxiv.org/pdf/1904.10322.pdf 代碼 ： https://github.com/PeiJ...
-
Neural-Attentive-Session-Based-Recommendation論文：Neural Attentive Session-based Recommendation 作者： Jing Li，Pengjie Ren...
-
Task5 svm
學(xué)習(xí)內(nèi)容 SVM 硬間隔原理 SVM 軟間隔 SMO 求解SVM 代碼設(shè)計 1靴寂、硬間隔 本文是需要一定基礎(chǔ)才可以看懂的磷蜀，建議先看看參考博客，一些...
-
Task4 條件隨機(jī)場
定義及區(qū)別 隨機(jī)場：隨機(jī)場是有若干個位置組成的整體百炬，對于每個位置安裝某種分布隨機(jī)賦予一個值褐隆，其全體就叫做隨機(jī)場。 2.馬爾可夫隨機(jī)場馬爾可夫隨機(jī)...
-
Task3 EM算法
簡介 EM算法也稱期望最大化（Expectation-Maximum,簡稱EM）算法剖踊，其最主要的思想有兩步： E：求期望庶弃， M: 求極大EM算法...
-
Task2 bayes_plus
1. 相關(guān)概念 判別模型: 在機(jī)器學(xué)習(xí)領(lǐng)域判別模型是一種對未知數(shù)據(jù) y 與已知數(shù)據(jù) x 之間關(guān)系進(jìn)行建模的方法衫贬。判別模型是一種基于概率理論的方...
-
Task1 Linear_regression線性回歸的原理 對于線性回歸，其數(shù)據(jù)集是{(x1,y1),(x2,y2),,,,(xn,yn)},其中歇攻，xi=(xi1,,,,xid)固惯， d表示...
-
Task5模型融合
文章目錄1 回歸、分類概率融合1）簡單加權(quán)缴守，結(jié)果直接融合2）Stacking融合(回歸) 2 分類模型融合1）Voting投票機(jī)制2）分類的St...
-
Task4模型調(diào)參
學(xué)習(xí)目標(biāo) 了解常用的機(jī)器學(xué)習(xí)模型葬毫，并掌握機(jī)器學(xué)習(xí)模型的建模與調(diào)參流程 內(nèi)容介紹 線性回歸模型：線性回歸對于特征的要求；處理長尾分布屡穗；理解線性回歸...