簡書停止更新损拢，感興趣的可移步我的知乎專欄 <a href="https://links.jianshu.com/go?to=https%3A%2F%2Fwww.zhihu.com%2Fpeople%2Fzi-qi-dong-lai-1" target="_blank">https://www.zhihu.com/people/zi-qi-dong-lai-1</a>
發(fā)簡信
IP屬地：廣東
-
-
實用 Kaggle 競賽之 隨機森林 Random Forrest 的評估及調(diào)參“本文內(nèi)容的訴求為實用分苇、易上手添诉，所以理論的內(nèi)容以及公式只做少量的解釋，并不著重涉及组砚∥巧蹋“ 本節(jié)內(nèi)容：1。評價函數(shù) —— 如何評價模型的好壞2糟红。測試集艾帐、驗證集、訓(xùn)練集 —— 防止...
-
算法崗面試——深度學(xué)習(xí)總結(jié)BatchNormalization介紹 參考知乎深度學(xué)習(xí)中 Batch Normalization為什么效果好盆偿？參考CSDN對Batch_Normalization的理解 ...
-
計算廣告之CTR預(yù)估-FM算法解析原文：Factorization Machines 地址：http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.3...
-
Hive/HiveQL常用優(yōu)化方法全面總結(jié)（上篇）Hive作為大數(shù)據(jù)領(lǐng)域常用的數(shù)據(jù)倉庫組件柒爸，在平時設(shè)計和查詢時要特別注意效率。影響Hive效率的幾乎從不是數(shù)據(jù)量過大事扭，而是數(shù)據(jù)傾斜捎稚、數(shù)據(jù)冗余、job或I/O過多、MapRedu...
-
協(xié)同過濾算法利用用戶行為數(shù)據(jù)進行推薦(協(xié)同過濾) 1今野、用戶行為數(shù)據(jù) 用戶行為數(shù)據(jù)在網(wǎng)站上最簡單的存在形式就是日志葡公，比如用戶在電子商務(wù)網(wǎng)站中的網(wǎng)頁瀏覽、購買条霜、點擊催什、評分和評論等活動。 用...
-
第一批90后投資人已經(jīng)年薪百萬宰睡，下班后的幾小時蒲凶，決定幾年后的發(fā)展軌跡
已是2019年下半年了 再過不到5個月 20后就要出生了 他們看90后 就像90后看60后。 比起脫發(fā)拆内、耳聾旋圆、老花，更具殺傷力的是一句“你都快30了麸恍，還…...” 第一批90...
-
推薦系統(tǒng)-重排序-CTR-DeepFM等DNN模型概述 關(guān)鍵詞：特征組合LR：缺乏特征組合能力灵巧，需人工做特征工程GBDT+LR：特種組合能力不強，對高維的稀疏特征應(yīng)對乏力FM：具有較強的二階特征組合能力或南，高階特征組合應(yīng)對乏力...
-
機器學(xué)習(xí)系列（二十九）——精準率precision和召回率recall
本篇主要內(nèi)容：混淆矩陣（Confusion Matrix） 孩等、精準率（Precision）、召回率（Recall ） 準確率的陷阱 在之前我們都是用分類準確度來評價分類算法的...
-
知識蒸餾（Knowledge Distilling）采够，讓你的模型輕裝上陣——keras 實戰(zhàn)深度學(xué)習(xí)在這兩年的發(fā)展可謂是突飛猛進肄方，為了提升模型性能，模型的參數(shù)量變得越來越多蹬癌，模型自身也變得越來越大权她。在圖像領(lǐng)域中基于Resnet的卷積神經(jīng)網(wǎng)絡(luò)模型，不斷延伸著網(wǎng)絡(luò)深度逝薪。...
-
