論文 ： https://arxiv.org/pdf/1904.10322.pdf 代碼 ： https://github.com/PeiJieSun/diffnet/ ...
IP屬地：黑龍江
-
A Neural Influence Diffusion Model for Social Recommendation -
Neural-Attentive-Session-Based-Recommendation論文：Neural Attentive Session-based Recommendation 作者： Jing Li，Pengjie Ren，Zhumin Chen 來源...
-
Task4 條件隨機場
定義及區(qū)別 隨機場：隨機場是有若干個位置組成的整體储矩，對于每個位置安裝某種分布隨機賦予一個值，其全體就叫做隨機場褂乍。 2.馬爾可夫隨機場馬爾可夫隨機場是隨機場的一個特例持隧，它假設(shè)隨...
-
Task3 EM算法
簡介 EM算法也稱期望最大化（Expectation-Maximum,簡稱EM）算法，其最主要的思想有兩步： E：求期望逃片， M: 求極大EM算法采用的是啟發(fā)式的迭代方法屡拨，就是...
-
Task2 bayes_plus
1. 相關(guān)概念 判別模型: 在機器學(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。判別模型是一種基于概率理論的方法褥实。已知輸入變量 x 洁仗，判別模...
-
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)},其中性锭，xi=(xi1,,,,xid)赠潦， d表示的是數(shù)據(jù)的維度，n表示樣本數(shù)草冈。...
-
Task4模型調(diào)參
學(xué)習(xí)目標(biāo) 了解常用的機器學(xué)習(xí)模型怎棱，并掌握機器學(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哩俭；處理長尾分布；理解線性回歸模型拳恋； 模型性能驗證：評價函數(shù)...
-
決策樹之ID3凡资、C4.5、Cart
我們知道決策樹是通過按照樣本特征的值進(jìn)行分類谬运，將不同的樣本進(jìn)行劃分隙赁，最終到達(dá)葉子節(jié)點出，得到樣本的一個分類梆暖。所以最重要的一個問題就是伞访，如何在所有的特征中找出那個特征作為篩選的...
-
-
-
Task2 數(shù)據(jù)分析
day2:今天進(jìn)行的是EDA部分辛馆，也就是數(shù)據(jù)探索性分析 EDA的目標(biāo) -主要在于熟悉數(shù)據(jù)集，了解數(shù)據(jù)集豁延，對數(shù)據(jù)集進(jìn)行驗證昙篙，為下一步特征工程做基礎(chǔ)。當(dāng)了解了數(shù)據(jù)集之后我們下一步...
-
推薦系統(tǒng)經(jīng)典論文
綜述類: 1诱咏、Towards the Next Generation of Recommender Systems: A Survey of the State-of-the...
-
-
