- 博客(129)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 推荐系统从零单排系列(四)—Word2Vec理论与实践(上)
推荐系统从零单排系列(四)—Word2Vec理论与实践(上)【导读】Word2Vec是Embedding中非常基本的模型，训练出来的词向量不仅能保持语义与语法上的相关性，并且可以实现类似代数运算的能力。除了在NLP中作为基本网络模块，在推荐系统等领域中也是应用广泛，相信聪明的你肯定看到过类似的介绍，但是又没有深入、系统的学习过。没关系，让我们现在开始来一步一步的解决这个问题。One-Hot...
2019-05-11 11:22:38
662
原创 计算广告CTR预估系列(十一)--谷歌DCN模型理论与实践
计算广告CTR预估系列(十一)–谷歌DCN模型理论与实践计算广告CTR预估系列(十一)–谷歌DCN模型理论与实践一、介绍二、相关工作三、DCN特点四、DCN4.1 Embedding and Stacking Layer4.2 Cross Network4.3 Deep Network4.4 Combination Layer五、泛化FM六、实验七、代码实战...
2018-09-12 23:31:25
7362
1
原创 计算广告CTR预估系列(十)--AFM模型理论与实践
计算广告CTR预估系列(十)–AFM模型理论与实践计算广告CTR预估系列(十)–AFM模型理论与实践一、简介二、FM三、AFM3.1 模型3.2 模型训练3.3 过拟合四、总结五、代码实践Reference计算广告CTR预估系列往期回顾一、简介AFM全称是Attentional Factorization Machine，和NFM是同一个作者。...
2018-09-12 23:30:05
3199
2
原创 计算广告CTR预估系列(九)--NFM模型理论与实践
计算广告CTR预估系列(九)–NFM模型理论与实践计算广告CTR预估系列(九)–NFM模型理论与实践一、引言二、Model Feature Interaction2.1 介绍2.2 FM2.2.1 优点2.2.2 缺点2.3 Deep Neural Network2.3.1 DNN优化困难三、Neural Factorization Machine(NFM)...
2018-09-12 23:29:04
5054
5
原创 计算广告CTR预估系列(八)--PNN模型理论与实践
计算广告CTR预估系列(八)–PNN模型理论与实践计算广告CTR预估系列(八)–PNN模型理论与实践一、介绍1.1 名词解释1.2 数据特点1.3 参数约定二、相关工作三、损失 & 评价函数3.1 损失函数3.2 评价函数四、PNN详解4.1 架构图4.2 IPNN4.3 OPNN4.4 PNN*五、优化六、总结七、代码实战IPNNO...
2018-09-12 23:28:07
3263
原创 计算广告CTR预估系列(六)--阿里Mixed Logistic Regression
计算广告CTR预估系列(六)–阿里Mixed Logistic Regression计算广告CTR预估系列(六)–阿里Mixed Logistic Regression一、技术背景二、研究现状三、MLR算法3.1 结构化先验3.2 线性偏置3.3 模型级联3.4 增量训练3.5 L1，L2,1正则化 / 分组稀疏四、实现技巧4.1 并行化4.2 Common Fe...
2018-06-13 16:41:17
3246
原创 计算广告CTR预估系列(七)--Facebook经典模型LR+GBDT理论与实践
计算广告CTR预估系列(七)–Facebook经典模型LR+GBDT理论与实践计算广告CTR预估系列(七)–Facebook经典模型LR+GBDT理论与实践一、介绍二、评估函数2.1 Normalized Cross-Entropy(NE)2.2 Calibration三、模型架构3.1 决策树Feature Transforms3.2 Data freshness3....
2018-06-13 16:38:11
12961
6
原创 【一网打尽】机器学习梯度下降优化算法
【一网打尽】机器学习梯度下降优化算法1. 梯度下降梯度的方向是上升的方向，所以我们是沿着梯度的反方向，每一次根据学习率来决定走的步长，争取到达谷底。2. 梯度下降变体各种各样的变体，主要是为了在参数更新准确度和所需要时间之间做一个trade-off。2.1 Batch gradient descent使用所有的数据集来计算更新梯度。 缺点：非常耗...
2018-06-06 09:25:42
752
原创 计算广告CTR预估系列(五)--阿里Deep Interest Network理论
计算广告CTR预估系列(五)–阿里Deep Interest Network理论计算广告CTR预估系列(五)–阿里Deep Interest Network理论1. 背景1.1 名词解释1.2 相关工作2. 系统总览2.1 训练数据2.2 特征处理2.3 评价指标3. 原理3.1 Base Model3.2 DIN Design3.3 Dice: Data D...
2018-06-06 09:23:50
15311
5
原创 计算广告CTR预估系列(四)--Wide&Deep理论与实践
计算广告CTR预估系列(四)–Wide&Deep理论与实践计算广告CTR预估系列(四)–Wide&Deep理论与实践1. 名词解释1.1 Memorization 和 Generalization1.2 Wide 和 Deep1.3 Cross-product transformation2. Wide & Deep Model2.1 推荐系统2....
2018-06-06 09:22:35
19628
4
原创 计算广告CTR预估系列(三)--FFM理论与实践
计算广告CTR预估系列(三)–FFM理论与实践计算广告CTR预估系列(三)–FFM理论与实践1. 发展2. 理论公式3. 思想3.1 Poly23.2 FM3.3 FFM3.3.1 FFM模型–思想3.3.2 FFM模型–方程3.3.3 FFM模型–学习算法3.3.4 FFM模型–多值类别型特征4. 各模型计算复杂度5. 优缺点6. 使用FFM需要注意的地...
2018-05-15 09:47:26
3613
原创 计算广告CTR预估系列(二)--DeepFM实践
计算广告CTR预估系列(二)–DeepFM实践计算广告CTR预估系列(二)–DeepFM实践0. 变量说明1. 架构图与公式1.1 架构图1.2 公式1.2.1 公式参考1.2.2 FM Component维度问题2. 核心代码拆解2.1 输入2.2 Embedding2.3 FM Component - 1维特征2.4 FM Component - 2维组合...
2018-05-10 10:19:07
3615
6
原创 计算广告CTR预估系列(一)--DeepFM理论
计算广告CTR预估系列(一)–DeepFM理论 本文首发于公众号： 机器学习荐货情报局 计算广告CTR预估系列(一)–DeepFM理论DeepFM1. CTR预估2. 模型演进历史2.1 线性模型2.2 FM模型2.3 遇上深度学习3. DeepFM3.1 FM Component3.2 Deep Component3.3 对比其他模型FNNPNNW...
2018-05-04 22:15:41
5515
4
原创 N皇后问题
N皇后问题-I问题描述 n皇后问题是将n个皇后放置在n*n的棋盘上，皇后彼此之间不能相互攻击。 给定一个整数n，返回所有不同的n皇后问题的解决方案。 每个解决方案包含一个明确的n皇后放置布局，其中“Q”和“.”分别表示一个女王和一个空位置。样例： 对于4皇后问题存在两种解决的方案：[ [".Q..", // Solution 1 ".....
2018-05-04 00:49:40
245
原创 Batch Normalization, 会其意知其形
Batch NormalizationBatch Normalization归一化/正则化Batch Normalization原理BN添加位置效果反 normalize代码实践归一化/正则化数据归一化、正则化是非常重要的步骤，用于重新缩放输入的数值，确保在反向传播期间更好的收敛。一般来说，采用的方法是减去平均值在除以标准差。如果不这样做，某些特征...
2018-05-02 16:24:23
1307
原创 隐马尔可夫模型（HMM），了解一下？
隐马尔可夫模型（HMM）隐马尔可夫模型（HMM）1. 隐马尔可夫模型基本概念1.1 定义1.2 观测序列生成过程1.3 3个基本问题2. 概率计算方法2.1 直接计算法2.2 前向算法2.3 后向算法3. 学习算法3.1 监督学习方法3.2 非监督学习方法 EM算法 Baum-Welch算法4. 预测算法4.1 近似算法4.2 维特比算法...
2018-04-29 10:05:56
2192
1
原创 【机器学习荐货情报局】置信区间-看这一篇就够了
置信区间 - 看这一篇就够了欢迎关注公众号：机器学习荐货情报局 一起进步，一起学习，一起充电~ 欢迎投稿，讨论，拍砖 1. 定义在统计学中，一个样本的置信区间是对总体参数的一个区间估计。置信区间给出的是，声称总体参数的真实值在测量值的区间所具有的可信程度或者说是概率。这个概率又叫做置信水平。举例来说：再一次大选中，上帝视角看到某人的支持率是55%，而置信水平0.95上的置信区间是...
2018-04-28 13:44:01
4775
原创 二叉树之理解记忆并背诵，了解一下？
内容主要包含： 1. 二叉树中DFS三种搜索的模板程序 （递归+非递归） 2. 二叉树BFS非递归版本 3. 二叉树常见到必背的考题 不管你是刷题学习，还是准备面试，二叉树下面的这几个程序都是 理解记忆并背诵！理解记忆并背诵！理解记忆并背诵！重要的事情说三遍真的太常用了，小哥哥小姐姐一定要掌握哦~BFS递归版本void bfs(TreeNode...
2018-04-09 22:36:53
671
原创 【C++对象模型】之虚函数详解
Function语义学Member function的各种调用方式1. Nonstatic Member Functions实际上member function被转换为nonmember function。C++设计准则就是：nonstatic member function至少必须和一般的nonmember function有相同的效率。
2017-11-13 22:50:01
494
原创 【C++对象模型】之Data Members
Data Member语义 C++将nonstatic data members直接放在每一个class object中。对于继承而来的nonstatic data members(不管是virtual或是nonvirtual base class)也是如此. static data members被放置在程序的一个global data segment中，不会影响个别的class o
2017-11-13 22:46:49
693
原创 【增强学习】Sarsa
增强学习之Sarsa 代码下载: github https://github.com/gutouyu/ReinforcementLearning 增强学习算法Sarsa（state-action-reward-state_-action_）。和QLearning非常相似。Sarsa是一种On policy的算法(整个循环都是在一个路径上)，state_ action_ 在Q_table更新的时
2017-09-27 23:11:39
718
原创 【强化学习】QLearning
强化学习之Q Learning标签： ReinforcementLearning QLearning 代码：https://github.com/gutouyu/ReinforcementLearning/tree/master1. 算法思想Q指的是状态动作效益。智能体Agent，每个时刻都有一个状态State， 在该状态下，它可以采取一系列动作中的一个动作Action。Q就是指在状态State下
2017-09-26 19:33:17
4811
4
原创 【机器学习读书笔记】Logistic回归
【机器学习读书笔记】Logistic回归四、Logistic回归 Logistic回归属于广义线性回归模型，通过历史数据的表现对未来结果发生的概率进行预测，它属于分类和预测算法中的一种。他是用来解决二值分类（binary classification）,AndrewNG忠告：不要用线性回归去解决分类问题。 逻辑回归的回归方程和线性回归相比，在其基础上增加了一个逻辑函数（logistic
2017-07-13 16:11:26
634
1
原创 【机器学习读书笔记】朴素贝叶斯分类
【机器学习读书笔记】朴素贝叶斯分类三、朴素贝叶斯分类 朴素贝叶斯是基于概率论的分类方法，不像之前给出的K-近邻和决策树会硬性的将输入分到一个类别中。朴素贝叶斯分类算法只给出该数据属于某一类别的可能性或者说概率。最终的类别标签会以较大概率的标签为准。 朴素贝叶斯在贝叶斯的基础上给出了条件独立性假设，我们也知道这个假设非常简单，这也是它称为朴素的原因。算法思路贝叶斯定理 我们先看看wi
2017-07-13 16:09:26
463
2
原创 【机器学习读书笔记】决策树
【机器学习读书笔记】决策树二、决策树 决策树也属于监督学习里面的分类算法。书中介绍的算法是ID3，比较流行的还有C4.5、CART。决策树也是最长使用的数据挖掘的算法。 决策树分类器就像带有终止块的流程图，终止块表示分类结果。开始处理数据集时，首先需要测量数据集中的不一致性，也就是熵，然后寻找最优方案划分数据集，然后寻找最优方案划分数据集，直到数据集中的所有数据处于同一分类。算法思路
2017-07-13 16:08:33
451
原创 【机器学习读书笔记】 k近邻算法（KNN）
【机器学习读书笔记】 k近邻算法（KNN）一、K-近邻算法 kNN属于监督学习中的分类算法。与后面将要学习的决策树都属于结果确定的分类算法，数据实例最终会被明确划分到某个分类中。还有一种分类算法将不能完全确定数据实例应该划分到某个类，或者只能给出数据实例属于某个分类的概率。算法思路监督学习就一定存在训练样本集。训练样本中每个样本都有已知的分类标签。也就是说我们知道样本集中的每一个样本与所属分
2017-07-13 16:08:04
485
原创 LeetCode 111. Minimum Depth of Binary Tree
111. Minimum Depth of Binary Tree一、问题描述 Given a binary tree, find its minimum depth. The minimum depth is the number of nodes along the shortest path from the root node down to the nearest leaf
2017-07-11 17:44:56
474
原创 LeetCode 108. Convert Sorted Array to Binary Search Tree
108. Convert Sorted Array to Binary Search Tree一、问题描述 Given an array where elements are sorted in ascending order, convert it to a height balanced BST.二、输入输出三、解题思路Binary Search Tree 二叉搜索树定义为：是指一颗空树
2017-07-11 17:44:33
532
原创 LeetCode 107. Binary Tree Level Order Traversal II
107. Binary Tree Level Order Traversal II一、问题描述 Given a binary tree, return the bottom-up level order traversal of its nodes’ values. (ie, from left to right, level by level from leaf to root).二、输入输
2017-07-10 13:57:54
581
原创 LeetCode 104. Maximum Depth of Binary Tree
104. Maximum Depth of Binary Tree一、问题描述 Given a binary tree, find its maximum depth. The maximum depth is the number of nodes along the longest path from the root node down to the farthest leaf
2017-07-10 13:57:38
549
原创 LeetCode 10. Same Tree
10. Same Tree一、问题描述 Given two binary trees, write a function to check if they are equal or not. Two binary trees are considered equal if they are structurally identical and the nodes have the sa
2017-07-10 13:17:35
442
原创 LeetCode 101. Symmetric Tree
101. Symmetric Tree一、问题描述 Given a binary tree, check whether it is a mirror of itself (ie, symmetric around its center).二、输入输出For example, this binary tree [1,2,2,3,4,4,3] is symmetric: 1 / \
2017-07-10 13:17:19
511
原创 LeetCode 69. Sqrt(x)
69. Sqrt(x)一、问题描述 Implement int sqrt(int x). Compute and return the square root of x.二、输入输出三、解题思路二分法直接写二分法超时了，不知道为什么 int Sqrt(int x, int low, int high) { int mid; while
2017-07-06 20:35:28
666
原创 LeetCode 67. Add Binary
67. Add Binary一、问题描述 Given two binary strings, return their sum (also a binary string).二、输入输出For example, a = "11" b = "1" Return "100".三、解题思路从后向前遍历这道题看着不难，有几个点需要注意。首先最好不要转换成int或者二进制的数来进行计算，再转换回
2017-07-06 19:54:02
696
原创 LeetCode 58. Length of Last Word
58. Length of Last Word一、问题描述 Given a string s consists of upper/lower-case alphabets and empty space characters ' ', return the length of last word in the string. If the last word does not exis
2017-07-05 19:13:47
678
原创 LeetCode 28. Implement strStr()
28. Implement strStr()一、问题描述 Implement strStr(). Returns the index of the first occurrence of needle in haystack, or -1 if needle is not part of haystack.二、输入输出三、解题思路转换成：判断两个字符串prefix是否相同单独处理
2017-07-05 17:37:52
633
原创 LeetCode 14. Longest Common Prefix
14. Longest Common Prefix一、问题描述 Write a function to find the longest common prefix string amongst an array of strings.二、输入输出三、解题思路二路归并解题思路：如果给你两个字符串，让你找出最大的common prefix 你一定有办法（对吧？）简单说就是取第一个字符串的子串，
2017-07-05 16:03:33
526
原创 LeetCode 20. Valid Parentheses
20. Valid Parentheses一、问题描述 Given a string containing just the characters '(', ')', '{', '}', '[' and ']', determine if the input string is valid. The brackets must close in the correct order, "
2017-07-05 16:03:14
521
原创 LeetCode 9. Palindrome Number
9. Palindrome Number一、问题描述 Determine whether an integer is a palindrome. Do this without extra space. **Some hints:**Could negative integers be palindromes? (ie, -1)If you are thinking of conver
2017-07-04 16:34:51
384
原创 LeetCode 7. Reverse Integer
7. Reverse Integer一、问题描述 Reverse digits of an integer. **Have you thought about this?**Here are some good questions to ask before coding. Bonus points for you if you have already thought through
2017-07-04 15:52:10
416
Linux内核完全剖析基于0.12内核.pdf (附linux kernel 0.12源码和测试软件，亲测可用）
2017-06-02
json所需的全部jar包（共7个-亲测可用）
2015-10-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人