汗水是最好的化妝品
發(fā)簡信
IP屬地：上海
-
機器學(xué)習(xí)矩陣分解解析Recommender.Matrix.Factorization目錄： 1.為什么要矩陣分解 2.矩陣分解怎么分解 3.什么樣的情況考慮矩陣分解 4.矩陣分解有哪些分類 5.各種應(yīng)用場景比較以及具體操作 6.評價總結(jié) 1.為什么要矩陣分解...
-
UniformML:無約束優(yōu)化算法 (GD DFP BFGS LBFGS)本文摘自： http://blog.csdn.net/itplus/article/details/21896453 https://www.cnblogs.com/ljy2...
-
UniformML-paper 4 Glove 《GloVe Global Vectors for Word Representation》今天我們來重溫下強烈推薦的一篇經(jīng)典的詞向量訓(xùn)練模型——Glove蕴忆。（大家可能比較熟悉的是word2vec颤芬，這篇后續(xù)我們也會來重溫下，在大量語料的時候套鹅，glove的表現(xiàn)會優(yōu)于w...
-
細(xì)粒度的情感分析Gated Convolutional Networks——tensorflow實戰(zhàn)首先簡要介紹一下基于Aspect的情感分析(Aspect based sentiment analysis——ABAS)站蝠，ABAS的主要任務(wù)：是判斷句子所在的場景在某一方面的...
-
UniformML Paper3-MLR《Learning Piece-wise Linear Models from Large Scale Data for Ad Click》
1 Introduction 線性模型在實際應(yīng)用中雖然高效，但是實際很多特征空間的分界面未必都是線性的芋哭，為了適應(yīng)這樣的場景沉衣，我們一般會通過兩種方法：1、復(fù)雜的特征工程（人工...
-
Xgboost原理及推導(dǎo)Xgboost無論是工業(yè)界還是kaggle比賽效果都很好减牺，學(xué)習(xí)過程中看了很多博客依然理解的不是很好豌习，自己比較菜，看了陳天奇大神PPT清晰了很多拔疚，特地總結(jié)一下Xgboost肥隆，以...
-
推薦系統(tǒng)遇上深度學(xué)習(xí)(三十七)--基于多任務(wù)學(xué)習(xí)的可解釋性推薦系統(tǒng)論文名稱：《Why I like it: Multi-task Learning for Recommendation and Explanation》論文地址：https:...
-
Keras命名體識別（NER）實戰(zhàn)---自然語言處理技術(shù)（1）命名體識別（Name Entity Recognition）是自然語言處理(Nature Language Processing)領(lǐng)域中比較重要的一個任務(wù)，幾乎百分之50的和...
-
uniform機器學(xué)習(xí)極簡入門7—機器學(xué)習(xí)入門概述
uniform機器學(xué)習(xí)極簡入門這個系列已經(jīng)介紹了6節(jié)課稚失，大家對機器學(xué)習(xí)（統(tǒng)計學(xué)習(xí)）有了些了解（當(dāng)然之前都是些基礎(chǔ)）栋艳，今天我們從宏觀整體上介紹下什么是機器學(xué)習(xí)，以及目前機器學(xué)習(xí)...
-
Attention is all your need 谷歌的超強特征提取網(wǎng)絡(luò)——Transformer過年放了七天假句各，每年第一件事就是立一個flag——希望今年除了能夠?qū)⒓夹g(shù)學(xué)扎實之外吸占，還希望能夠?qū)⑺鶎W(xué)能夠用來造福社會，好像flag立得有點大了凿宾。沒關(guān)系矾屯，套用一句電影臺詞為自己...
-
思想上遺世獨立,身體上同流合污
-
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》件蚕，這篇文章主要介紹如何將深度學(xué)習(xí)...
-
uniform機器學(xué)習(xí)極簡入門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，下面我們再介紹兩個很實用的聚類算法产禾。 DBSCAN密度聚類 KMeans聚類的形狀一般對數(shù)據(jù)的本身特性要求較高（球狀）排作，但...
-
uniform機器學(xué)習(xí)極簡入門5—EM算法
上一節(jié)我們介紹了高斯混合模型（GMM），這個模型在求解的時候我們提到了EM算法亚情，本節(jié)我們詳細(xì)介紹下EM算法的基本流程妄痪，其實在KMeans中也有EM的思想，EM算法在很多概率求...
