發(fā)簡(jiǎn)信
IP屬地：上海
-
UniformML:無(wú)約束優(yōu)化算法 (GD DFP BFGS LBFGS)本文摘自： http://blog.csdn.net/itplus/article/details/21896453 https://www.c...
-
UniformML-paper 4 Glove 《GloVe Global Vectors for Word Representation》今天我們來重溫下強(qiáng)烈推薦的一篇經(jīng)典的詞向量訓(xùn)練模型——Glove。（大家可能比較熟悉的是word2vec，這篇后續(xù)我們也會(huì)來重溫下今穿，在大量語(yǔ)料的...
-
UniformML Paper3-MLR《Learning Piece-wise Linear Models from Large Scale Data for Ad Click》
1 Introduction 線性模型在實(shí)際應(yīng)用中雖然高效，但是實(shí)際很多特征空間的分界面未必都是線性的伶丐，為了適應(yīng)這樣的場(chǎng)景木柬，我們一般會(huì)通過兩種...
-
uniform機(jī)器學(xué)習(xí)極簡(jiǎn)入門7—機(jī)器學(xué)習(xí)入門概述
uniform機(jī)器學(xué)習(xí)極簡(jiǎn)入門這個(gè)系列已經(jīng)介紹了6節(jié)課间学，大家對(duì)機(jī)器學(xué)習(xí)（統(tǒng)計(jì)學(xué)習(xí)）有了些了解（當(dāng)然之前都是些基礎(chǔ)）拒担，今天我們從宏觀整體上介紹下什...
-
uniformML-Paper1-Recommendation《Deep Neural Networks for YouTube Recommendation》
今天給大家介紹一篇相當(dāng)棒的經(jīng)典推薦領(lǐng)域的論文《Deep Neural Networks for YouTube Recommendation》嘹屯，...
-
uniform機(jī)器學(xué)習(xí)極簡(jiǎn)入門6—聚類算法2(DBSCAN和層次聚類)
前面我們已經(jīng)分別介紹了Kmeans和GMM聚類模型，下面我們?cè)俳榻B兩個(gè)很實(shí)用的聚類算法从撼。 DBSCAN密度聚類 KMeans聚類的形狀一般對(duì)數(shù)據(jù)...
-
uniform機(jī)器學(xué)習(xí)極簡(jiǎn)入門5—EM算法
上一節(jié)我們介紹了高斯混合模型（GMM）州弟，這個(gè)模型在求解的時(shí)候我們提到了EM算法，本節(jié)我們?cè)敿?xì)介紹下EM算法的基本流程低零，其實(shí)在KMeans中也有E...
-
uniform機(jī)器學(xué)習(xí)極簡(jiǎn)入門4—高斯混合聚類（GMM Gaussian Mixture Model）
uniform機(jī)器學(xué)習(xí)極簡(jiǎn)入門3 我們介紹了KMeans的基本概念婆翔，這個(gè)方法是給每個(gè)樣本歸屬一個(gè)類別，我們可以找出每個(gè)類別的原型向量掏婶，但是很多場(chǎng)...
-
uniform機(jī)器學(xué)習(xí)極簡(jiǎn)入門3—KMeans
1 kmeans算法概述 往往在實(shí)際數(shù)據(jù)分析中啃奴，我們需要發(fā)現(xiàn)數(shù)據(jù)的一些內(nèi)在規(guī)律，但是數(shù)據(jù)一般都是未標(biāo)注雄妥，因此希望通過某個(gè)算法來揭示數(shù)據(jù)的內(nèi)在性質(zhì)...