随笔分类 - 数据挖掘及机器学习
protobuf，log4j，日志处理及挖掘
摘要：https://blog.csdn.net/gubenpeiyuan/article/details/82710163 TensorFlow 调试程序 tfdbg 是 TensorFlow 的专用调试程序。借助该调试程序，您可以在训练和推理期间查看运行中 TensorFlow 图的内部结构和状态，由
阅读全文
摘要：https://blog.csdn.net/qq_23269761/article/details/81355383 1.协同过滤（CF）【基于内存的协同过滤】 优点：简单，可解释 缺点：在稀疏情况下无法工作 所以对于使用userCF的系统，需要解决用户冷启动问题 和如何让一个新物品被第一个用户发现
阅读全文
摘要：https://www.cnblogs.com/pinard/p/6370127.html 对于分解机(Factorization Machines，FM)推荐算法原理，本来想自己单独写一篇的。但是看到peghoty写的FM （https://blog.csdn.net/itplus/article
阅读全文
摘要：https://blog.csdn.net/john_xyz/article/details/78933253 目录目录CTR预估综述Factorization Machines(FM)算法原理代码实现Field-aware Factorization Machines(FFM)算法原理代码实现De
阅读全文
摘要：https://tech.meituan.com/2018/06/07/searchads-dnn.html 一、前言 在计算广告场景中，需要平衡和优化三个参与方——用户、广告主、平台的关键指标，而预估点击率CTR（Click-through Rate）和转化率CVR（Conversion Rate
阅读全文
摘要：12月20日至23日，全球人工智能与机器学习技术大会 AiCon 2018 在北京国际会议中心盛大举行，新浪微博AI Lab 的资深算法专家 张俊林@张俊林say 主持了大会的 搜索推荐与算法专题，并带来演讲《FFM及DeepFFM模型在推荐系统的探索及实践》，分享了微博在FFM模型及DeepFFM
阅读全文
摘要：http://www.fabwrite.com/deepfm 文章DeepFM: A Factorization-Machine based Neural Network for CTR Prediction介绍了一种深度学习模型，以实现点击率预估。用 tensorflow 试着写了 DeepFM,
阅读全文
摘要：推荐系统遇上深度学习(一)--FM模型理论和实践 https://www.jianshu.com/p/152ae633fb00 1、FM背景 在计算广告和推荐系统中，CTR预估(click-through rate)是非常重要的一个环节，判断一个商品的是否进行推荐需要根据CTR预估的点击率来进行。在
阅读全文
摘要：https://tech.meituan.com/2018/07/26/peisong-sys-arch-evolution.html 写在前面 美团配送自成立以来，业务经历了多次跨越式的发展。业务的飞速增长，对系统的整体架构和基础设施提出了越来越高的要求，同时也不断驱动着技术团队深刻理解业务、准确
阅读全文
摘要：https://blog.csdn.net/App_12062011/article/details/88655589 这篇发表在 ACL 2018 上的论文来自于杜克大学 Lawrence Carin 教授的实验室。文章重新审视了 deep learning models（例如 CNN, LSTM
阅读全文
摘要：https://tech.meituan.com/2019/03/14/information-flow-creative-optimization-practices.html 1. 引言 信息流是目前大众点评除搜索之外的第二大用户获取信息的入口，以优质内容来辅助用户消费决策并引导发现品质生活。整
阅读全文
摘要：https://zhuanlan.zhihu.com/p/27608348 更新：感谢@Gang He指出的代码错误。get_batches函数中第15行与第19行，代码已经重新修改，GitHub已更新。 前言 好久没有更新专栏，今天我们来看一个简单的Seq2Seq实现，我们将使用TensorFlo
阅读全文
摘要：https://blog.csdn.net/guleileo/article/details/80581858 本文来自 CSDN 网站，作者 EasonApp。 作者专栏： http://dwz.cn/7ZGrif YOLOv1 这是继 RCNN，fast-RCNN 和 faster-RCNN之后
阅读全文
摘要：https://www.jianshu.com/p/471d9bfbd72f 独热编码 独热编码即 One-Hot 编码，又称一位有效编码，其方法是使用N位状态寄存器来对N个状态进行编码，每个状态都有它独立的寄存器位，并且在任意时候，其中只有一位有效。举个例子，假设我们有四个样本（行），每个样本有三
阅读全文
摘要：学习排序（Learning to Rank） LTR（Learning torank）学习排序是一种监督学习（SupervisedLearning）的排序方法。LTR已经被广泛应用到文本挖掘的很多领域，比如IR中排序返回的文档，推荐系统中的候选产品、用户排序，机器翻译中排序候选翻译结果等等。IR领域
阅读全文
摘要：https://www.jianshu.com/p/25fc600de9fb 谷歌最近的一篇BERT取得了卓越的效果，为了研究BERT的论文，我先找出了《Attention is All You Need》，看看里面的Transformer模型作为基础。 Transformer是为了机器翻译任务中的
阅读全文
摘要：https://applenob.github.io/em.html EM算法总结 在概率模型中，最常用的模型参数估计方法应该就是最大似然法。 EM算法本质上也是最大似然，它是针对模型中存在隐变量的情况的最大似然。 下面通过两个例子引入。 没有隐变量的硬币模型 假设有两个硬币，AA和BB，这两个硬币
阅读全文
摘要：https://applenob.github.io/em.html EM算法总结 在概率模型中，最常用的模型参数估计方法应该就是最大似然法。 EM算法本质上也是最大似然，它是针对模型中存在隐变量的情况的最大似然。 下面通过两个例子引入。 没有隐变量的硬币模型 假设有两个硬币，AA和BB，这两个硬币
阅读全文
摘要：https://www.jianshu.com/p/1121509ac1dc 如果使用基于最大似然估计的模型，模型中存在隐变量，就要用EM算法做参数估计。个人认为，理解EM算法背后的idea，远比看懂它的数学推导重要。idea会让你有一个直观的感受，从而明白算法的合理性，数学推导只是将这种合理性用更
阅读全文
摘要：https://blog.csdn.net/starzhou/article/details/78845931 The Wide and Deep Learning Model（译文+Tensorlfow源码解析） 原创 2017年11月03日 22:14:47 标签： 深度学习 / 谷歌 / te
阅读全文