1 2 3 4 5 ··· 78 下一页
摘要: https://blog.csdn.net/u014313009/article/details/38944687 SIGIR的一篇推荐算法论文中提到用NDCG和AUC作为比较效果的指标,之前没了解过这两个指标,便查找相关概念,整理如下。 一、NDCG1.DCG 首先,介绍一下DCG。DCG的全称是 阅读全文
posted @ 2019-09-09 13:31 Django's blog 阅读(1647) 评论(0) 推荐(0) 编辑
摘要: https://github.com/jihoo-kim/awesome-RecSys?fbclid=IwAR1m6OebmqO9mfLV1ta4OTihQc9Phw8WNS4zdr5IeT1X1OLWQvLk0Wz45f4 awesome-RecSys A curated list of awes 阅读全文
posted @ 2019-09-06 14:03 Django's blog 阅读(449) 评论(0) 推荐(0) 编辑
摘要: 作者:清华阿罗链接:https://zhuanlan.zhihu.com/p/67959931来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。 网上看到不错的推荐系统资料整理,分享给大家,包括书籍、会议、相关研究人员、论文和一些开源的代码,如下: 1. 书籍 Recom 阅读全文
posted @ 2019-09-06 13:59 Django's blog 阅读(796) 评论(0) 推荐(0) 编辑
摘要: 无论是XGBoost还是其他的Boosting Tree,使用的Tree都是cart回归树,这也就意味着该类提升树算法只接受数值特征输入,不直接支持类别特征,默认情况下,xgboost会把类别型的特征当成数值型。事实上,对于类别特征的处理,参考XGBoost PPT如下: xgboost 树模型其实 阅读全文
posted @ 2019-05-22 12:12 Django's blog 阅读(724) 评论(0) 推荐(0) 编辑
摘要: AI 科技评论编者按:现在,越来越多的企业、高校以及学术组织机构通过举办各种类型的数据竞赛来「物色」数据科学领域的优秀人才,并借此激励他们为某一数据领域或应用场景找到具有突破性意义的方案,也为之后的数据研究者留下有价值的经验。 Smilexuhc 在 GitHub 社区对各大数据竞赛名列前茅的解决方 阅读全文
posted @ 2019-05-14 11:22 Django's blog 阅读(4320) 评论(0) 推荐(0) 编辑
摘要: https://blog.csdn.net/chengcheng1394/article/details/78940565 原创文章,转载请注明出处: http://blog.csdn.net/chengcheng1394/article/details/78940565 请安装TensorFlow 阅读全文
posted @ 2019-05-14 10:46 Django's blog 阅读(2073) 评论(0) 推荐(0) 编辑
摘要: https://zhuanlan.zhihu.com/p/35046241 包大人 深度学习炼丹劝退师 包大人 深度学习炼丹劝退师 包大人 深度学习炼丹劝退师 包大人 包大人 包大人 深度学习炼丹劝退师 深度学习炼丹劝退师 深度学习炼丹劝退师 278 人赞同了该文章 从最近的比赛学习CTR/CVR 阅读全文
posted @ 2019-05-14 10:40 Django's blog 阅读(1751) 评论(1) 推荐(1) 编辑
摘要: http://c.biancheng.net/view/2004.html 本节以分布式方式训练完整的 MNIST 分类器。 该案例受到下面博客文章的启发:http://ischlag.github.io/2016/06/12/async-distributed-tensorflow/,运行在 Te 阅读全文
posted @ 2019-05-13 20:56 Django's blog 阅读(910) 评论(0) 推荐(0) 编辑
摘要: 顾名思义,k均值聚类是一种对数据进行聚类的技术,即将数据分割成指定数量的几个类,揭示数据的内在性质及规律。我们知道,在机器学习中,有三种不同的学习模式:监督学习、无监督学习和强化学习: k 均值聚类是一种无监督学习方法。还记得哈利波特故事中的分院帽吗?那就是聚类,将新学生(无标签)分成四类:格兰芬多 阅读全文
posted @ 2019-05-13 18:19 Django's blog 阅读(5283) 评论(0) 推荐(0) 编辑
摘要: http://c.biancheng.net/view/1950.html 本节将介绍如何利用 RNN 预测未来的比特币价格。核心思想是过去观察到的价格时间序列为未来价格提供了一个很好的预估器。给定时间间隔的比特币值通过https://www.coindesk.com/api/的 API 下载,以下 阅读全文
posted @ 2019-05-13 17:32 Django's blog 阅读(760) 评论(0) 推荐(0) 编辑
1 2 3 4 5 ··· 78 下一页