摘要: Eileen GU, an 18-year-old California-born Freestyle skier, has received overwhelming praise and admiration in China; not only as a sporting superstar 阅读全文
posted @ 2022-02-24 13:35 SENTIMENT_SONNE 阅读(218) 评论(0) 推荐(0) 编辑
摘要: pytorch官网查看pytorch安装命令 conda install pytorch torchvision torchaudio cpuonly -c pytorch 最后的-c代表的是channels 从pytorch官网下载,导致速度慢 所以我们要从国内镜像源中寻找我们需要的pytorch 阅读全文
posted @ 2021-11-09 20:36 SENTIMENT_SONNE 阅读(51) 评论(0) 推荐(0) 编辑
摘要: https://zhuanlan.zhihu.com/p/44216830 一、处理回归问题: mean_squared_error(MSE) mean_absolute_error (MAE) 二、处理分类问题 先 sigmoid 再求交叉熵 先 softmax 再求交叉熵 weighted_cr 阅读全文
posted @ 2020-03-22 20:03 SENTIMENT_SONNE 阅读(509) 评论(0) 推荐(0) 编辑
摘要: https://www.cnblogs.com/peghoty/p/3857839.html 推荐度max,word2vec 中的数学原理详解。 https://cloud.tencent.com/developer/article/1010918 Tensorflow实现word2vec http 阅读全文
posted @ 2020-03-14 22:33 SENTIMENT_SONNE 阅读(350) 评论(0) 推荐(0) 编辑
摘要: 参考 https://tech.meituan.com/2018/06/21/deep-learning-doc.html 背景 我最近在做query suggestion,根据前缀去推荐问题。 文本匹配在很多信息检索相关场景都用到,比如 1、搜索:Query-Doc 2、广告:Query-Ad 3 阅读全文
posted @ 2020-03-14 21:32 SENTIMENT_SONNE 阅读(1035) 评论(0) 推荐(0) 编辑
摘要: L2R将机器学习的技术很好的应用到了排序中。 https://jimmy-walker.gitbooks.io/rank/L2R.html github https://github.com/jiangnanboy/learning_to_rank lightgbm的训练速度非常快,快的起飞。 先看 阅读全文
posted @ 2020-03-13 15:47 SENTIMENT_SONNE 阅读(3324) 评论(0) 推荐(0) 编辑
摘要: FFM的全称是Field-aware FM,直观翻译过来,就是能够意识到特征域(Field)的存在的FM模型。那么FFM模型是有第六感吗?它怎么能够感知到特征域的存在呢? 先来看一个例子。 组合特征的重要性:如果在体育网站ESPN上发布Nike的广告,那么100次展现,80次会被点击,而20次不会被 阅读全文
posted @ 2020-02-16 17:25 SENTIMENT_SONNE 阅读(363) 评论(0) 推荐(0) 编辑
摘要: https://flashgene.com/archives/91357.html 知识赋能的智能推荐将成为未来推荐的主流。智能推荐表现在多个方面,包括 场景化推荐、任务型推荐、跨领域推荐、知识型推荐。 1)场景化推荐 比如用户在淘宝上搜“沙滩裤”、“沙滩鞋”,可以推测这个用户很有可能要去沙滩度假。 阅读全文
posted @ 2020-02-01 22:04 SENTIMENT_SONNE 阅读(387) 评论(0) 推荐(0) 编辑
摘要: DataFunTalk公众号文章学习。 1.简介 主要面向C端求职者和B端企业 推荐内容:职位推荐、企业推荐、标签推荐、简历推荐 推荐场景: app首页——职位聚合、职位feed流; 类目——用户点击某个类目,进行相关job推荐; 相似推荐——用户点击某个具体职位后,展示相似职位。 存在典型问题: 阅读全文
posted @ 2020-01-31 17:23 SENTIMENT_SONNE 阅读(621) 评论(0) 推荐(0) 编辑
摘要: 上图有两棵树,左树有三个叶子节点,右树有两个叶子节点,最终的特征即为五维的向量。 对于输入x,假设他落在左树第一个节点,编码[1,0,0],落在右树第二个节点则编码[0,1],所以整体的编码为[1,0,0,0,1],这类编码作为特征,输入到LR中进行分类。 在CTR预估问题的发展初期,使用最多的方法 阅读全文
posted @ 2019-11-22 14:41 SENTIMENT_SONNE 阅读(213) 评论(0) 推荐(0) 编辑