sofmax loss softmax loss是最常用的組件之一柄粹，但是缺乏鼓勵(lì)特征更具辨識(shí)性，這種廣泛使用的損失對(duì)模型的優(yōu)化效果是有限的匆绣。 Modify-softmax 我...
發(fā)簡(jiǎn)信
IP屬地：浙江
-
如何保持分類(lèi)模型具有類(lèi)內(nèi)聚斂焰宣、類(lèi)間分離的特性？
-
KDD2018精選（4）有監(jiān)督矩陣完備化的主動(dòng)特征獲取1. 原文：Active Feature Acquisition with Supervised Matrix Completion 作者來(lái)自南航驻右、理研和東大 關(guān)鍵詞：主動(dòng)...
-
KDD2018精選（3）用引導(dǎo)特征反演解釋基于DNN的預(yù)測(cè)1. 原文：Towards Explanation of DNN-based Prediction with Guided Feature Inversion 作者來(lái)自德州...
-
KDD2018精選（2）TFLid：基于特征子圖同構(gòu)的遷移學(xué)習(xí)1. 原文：TransferLearning via Feature Isomorphism Discovery 作者來(lái)自港科大和上交大 關(guān)鍵詞：遷移學(xué)習(xí)；跨語(yǔ)種崎淳；子圖同構(gòu)...
-
KDD2017精選（1）如何篩選特征來(lái)自：Feature Selection: A Data Perspective 目的： 相對(duì)于算法本身的改進(jìn)堪夭，特征工程往往對(duì)效果有更直接的提升。特征工程以降維為手段凯力，重點(diǎn)解...
-
從零開(kāi)始用Python搭建超級(jí)簡(jiǎn)單的點(diǎn)擊率預(yù)估模型0.前言 本篇是一個(gè)基礎(chǔ)機(jī)器學(xué)習(xí)入門(mén)篇文章茵瘾，幫助我們熟悉機(jī)器學(xué)習(xí)中的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與使用。日常中習(xí)慣于使用Python各種成熟的機(jī)器學(xué)習(xí)工具包咐鹤，例如sklearn拗秘、Tensor...
-
KDD2018精選（1）贏家詛咒：AB測(cè)試的特征偏誤估計(jì)Winner’s Curse: Bias Estimation for Total Effects of Features in Online Controlled Expe...
