摘要：
http://www.huxmarket.com/detail/2966 DSP场景假定前提： 以CTR预估为例，向广告主以CPC（OCPC）方式收费，向ADX以CPM方式付费。投放计划受预算限制，在这种情况下，一般含有约束目标（如最小化eCPC，最小化转化成本等）。 DSP如何赚钱： 成本：从AD 阅读全文
摘要：
http://www.cnblogs.com/haore147/p/3629895.html http://www.cnblogs.com/cmt/p/3279312.html 首先 http://www.codecogs.com/latex/eqneditor.php 中输入得到Latex公式, 阅读全文
摘要：
1、样本不均衡可能带来的问题 模型训练的本质是最小化损失函数，当某个类别的样本数量非常庞大，损失函数的值大部分被样本数量较大的类别所影响，导致的结果就是模型分类会倾向于样本量较大的类别。咱们拿上面文本分类的例子来说明，现在有1W条用户搜索的样本，其中50条和传奇游戏标签有关，9950条和传奇游戏标签 阅读全文
摘要：
在机器学习中，我们通常把样本分为训练集和测试集，训练集用于训练模型，测试集用于评估模型。在样本划分和模型验证的过程中，存在着不同的抽样方法和验证方法。 1）Holdout检验Holdout 检验是最简单也是最直接的验证方法，它将原始的样本集合随机划分成训练集和验证集两部分。比方说，对于一个点击率预测 阅读全文
摘要：
插补： 1、特殊值填充（Treating Missing Attribute values as Special values） 将空值作为一种特殊的属性值来处理，它不同于其他的任何属性值。如所有的空值都用“unknown”填充。一般作为临时填充或中间过程。有时可能导致严重的数据偏离，一般不推荐。 阅读全文
摘要：
在机器学习算法中，对于很多监督学习模型，需要对原始的模型构建损失函数，之后通过优化算法对损失函数进行优化，寻找到最优的参数。求解机器学习参数的优化算法中，使用较多的是基于梯度下降的优化算法(Gradient Descent, GD)，梯度下降法的含义是通过当前点的梯度方向寻找到新的迭代点。基本思想可 阅读全文
摘要：
参考： https://zhuanlan.zhihu.com/p/86602524 阅读全文
摘要：
参考： https://zhuanlan.zhihu.com/p/38200980 https://blog.csdn.net/songyunli1111/article/details/89071021 阅读全文
摘要：
参考： https://www.sohu.com/a/317862976_654419 阅读全文
摘要：
。 阅读全文
摘要：
激活函数的主要作用是提供网络的非线性建模能力，如果没有激活函数，那么该网络仅能够表达线性映射，即便有再多的隐藏层，其整个网络跟单层神经网络也是等价的。 Sigmoid Sigmoid函数的导数是其本身的函数，即f′(x)=f(x)(1−f(x))，计算非常方便，也非常节省计算时间。 具有这种性质的称 阅读全文