摘要：
$a^{bc}$ or $a^{b^c}$ or ${a^b}^c$ double subscript $a_{bc}$ or $a_{b_c}$ or ${a_b}_c$ 属于 \in 阅读全文
摘要：
perform extensive experiments 阅读全文
摘要：
一、git相关 具体的问题就是不能执行git clone,其实就是Git的任何命令都不能执行，查阅了一番资料发现可能是 gnutls 包的问题，解决的办法就是安装 openssl instead of gnutls. 参考链接：https://github.com/paul-nelson-baker 阅读全文
摘要：
近期需要研究一些特征工程的工作，就打算把微软之前公布出来的特征都复现一遍，今天遇到的特征是 LMIR， 其实也就是language model for information retrieval的简写，下面简要记录下研究经过。 首先，该特征主要是三种smoothing方法，分别是：JM、DIR和AB 阅读全文
摘要：
1. ICML(International Conference on Machine Learning) 链接：https://en.wikipedia.org/wiki/International_Conference_on_Machine_Learning ACML(Asian Confere 阅读全文
摘要：
零零散散写了一些，主要是占个坑： AUC作为一个常用的评价指标，无论是作为最后模型效果评价还是前期的特征选择，都发挥着不可替代的作用，下面我们详细介绍下这个指标。 1.定义 2.实现 3.应用 阅读全文
摘要：
L2R最常用的包就是XGBoost 和LightGBM，xgboost因为其性能及快速处理能力，在机器学习比赛中成为常用的开源工具包， 2016年微软开源了旗下的lightgbm（插句题外话：微软的人真是够谦虚的，开源的包都是light前缀，公司更是micro），对标xgboost，在结果相差不大的 阅读全文
摘要：
连续特征自动离散化有多种评价角度，按照不同角度归纳如下图： refer: 1.https://blog.csdn.net/CalCuLuSearch/article/details/52751218 阅读全文
摘要：
一、总概 优化算法主要分为两大阵营：梯度下降学派和牛顿法学派。 这两者的区别[1]：比如你想找一条最短的路径走到一个盆地的最底部，梯度下降法每次只从你当前所处位置选一个坡度最大的方向走一步，牛顿法在选择方向时，不仅会考虑坡度是否够大，还会考虑你走了一步之后，坡度是否会变得更大。所以，可以说牛顿法比梯 阅读全文
摘要：
一、背景 l2r可以说是搜索推荐里面很常用的知识了，一直处于一知半解的地步，今天开个博客准备把这些零散的东西系统性整理好，一版就粗糙点了。 二、粗概 前段时间的项目主要和搜索引擎相关，记录下搜索引擎的主题思路，大致就是：召回 --> 粗排 > 精排。 一般情况下，召回和粗排会并在一起，例如LUCEN 阅读全文