摘要：
torch-rechub安装 最新版（推荐） git clone https://github.com/datawhalechina/torch-rechub.git cd torch-rechub python setup.py install 安装过程中遇到问题：python setup.py 阅读全文
摘要：
1. DeepFM原理 2. 模型开发技巧 3. 模型文件与运维部署 Postman介绍 4. 服务端开发 post接口和get接口 数据转换成Jason 结果预测 阅读全文
摘要：
1. LGB模型原理 2. 实时特征开发 Storm和Flink 3. 接口实现方式 3.1 PMML形式，Python和Java 3.2 Flask形式，Flask和Java 阅读全文
摘要：
1. LR介绍 逻辑回归（logistics regression）作为广义线性模型的一种，它的假设是因变量y服从伯努利分布。那么在点击率预估这个问题上，“点击”这个事件是否发生就是模型的因变量y。而用户是否点击广告这个问题是一个经典的掷偏心硬币（二分类）问题，因此CTR模型的因变量显然应该服从伯努 阅读全文
摘要：
开一个专题，努力将这9年的推荐算法经验记录下来。 作为一名非一线大厂的算法工程师，通常要完成几乎全栈的算法开发工作。 目前我的工作内容包含了：提取训练样本、特征构造、搭建模型、线上服务开发、线上特征管理和开发、模型/AB分流/算法使用场景管理、特征/算法/场景线上验证等。 提取训练样本和特征构造都属 阅读全文
摘要：
1、特征工程 1.1 特征归一化 线性函数归一化：\(X_{norm}=\frac{X-X_{min}}{X_{max}-X_{min}}\) 零均值归一化：\(z=\frac{x-\mu}{\sigma}\) 归一化对收敛速度的影响  ''' import scipy.sparse as sp import numpy as np 阅读全文
摘要：
一、熵相关内容 本章主要介绍几个关于熵的几个概念性定义，包括自信息、熵（信息熵）、联合熵、条件熵、左右熵、相对熵（KL散度）、交叉熵和softmax、信息增益（互信息）和信息增益率、条件互信息等。接下来介绍一种最大熵算法 1.1 熵的几个相关定义 1.1.1 自信息和熵（单个变量） 自信息 self 阅读全文
摘要：
一、牛顿法与拟牛顿法 拟牛顿法(Quasi-Newton Methods)是求解非线性优化问题最有效的方法之一，于20世纪50年代提出。DFP、BFGS和L-BFGS算法都是重要的拟牛顿法。考虑如下无约束的极小化问题$\underset f(x)\(，其中\){\tt x}=(x_1,x_2,... 阅读全文
摘要：
1、FM 前面一章介绍了线性模型和逻辑回归模型，在这些模型中，默认特征之间是不存在交互关系的；对于离散特征（如用户所在城市、商品品牌等），一般是进行one-hot处理，从而会产生大量的稀疏数据。Factorization Machines（FM）模型即是用来解决数据稀疏和特征交叉使用问题的。 1.1 阅读全文