汗水是最好的化妆品
发简信
IP属地：上海
-
机器学习矩阵分解解析Recommender.Matrix.Factorization目录： 1.为什么要矩阵分解 2.矩阵分解怎么分解 3.什么样的情况考虑矩阵分解 4.矩阵分解有哪些分类 5.各种应用场景比较以及具体操作 6.评价总结 1.为什么要矩阵分解...
-
UniformML:无约束优化算法 (GD DFP BFGS LBFGS)本文摘自： http://blog.csdn.net/itplus/article/details/21896453 https://www.cnblogs.com/ljy2...
-
UniformML-paper 4 Glove 《GloVe Global Vectors for Word Representation》今天我们来重温下强烈推荐的一篇经典的词向量训练模型——Glove。（大家可能比较熟悉的是word2vec，这篇后续我们也会来重温下，在大量语料的时候，glove的表现会优于w...
-
细粒度的情感分析Gated Convolutional Networks——tensorflow实战首先简要介绍一下基于Aspect的情感分析(Aspect based sentiment analysis——ABAS)，ABAS的主要任务：是判断句子所在的场景在某一方面的...
-
UniformML Paper3-MLR《Learning Piece-wise Linear Models from Large Scale Data for Ad Click》
1 Introduction 线性模型在实际应用中虽然高效，但是实际很多特征空间的分界面未必都是线性的，为了适应这样的场景，我们一般会通过两种方法：1、复杂的特征工程（人工...
-
Xgboost原理及推导Xgboost无论是工业界还是kaggle比赛效果都很好，学习过程中看了很多博客依然理解的不是很好，自己比较菜，看了陈天奇大神PPT清晰了很多，特地总结一下Xgboost，以...
-
推荐系统遇上深度学习(三十七)--基于多任务学习的可解释性推荐系统论文名称：《Why I like it: Multi-task Learning for Recommendation and Explanation》论文地址：https:...
-
Keras命名体识别（NER）实战---自然语言处理技术（1）命名体识别（Name Entity Recognition）是自然语言处理(Nature Language Processing)领域中比较重要的一个任务，几乎百分之50的和...
-
uniform机器学习极简入门7—机器学习入门概述
uniform机器学习极简入门这个系列已经介绍了6节课，大家对机器学习（统计学习）有了些了解（当然之前都是些基础），今天我们从宏观整体上介绍下什么是机器学习，以及目前机器学习...
-
Attention is all your need 谷歌的超强特征提取网络——Transformer过年放了七天假，每年第一件事就是立一个flag——希望今年除了能够将技术学扎实之外，还希望能够将所学能够用来造福社会，好像flag立得有点大了。没关系，套用一句电影台词为自己...
-
uniformML-Paper1-Recommendation《Deep Neural Networks for YouTube Recommendation》
今天给大家介绍一篇相当棒的经典推荐领域的论文《Deep Neural Networks for YouTube Recommendation》，这篇文章主要介绍如何将深度学习...
-
uniform机器学习极简入门6—聚类算法2(DBSCAN和层次聚类)
前面我们已经分别介绍了Kmeans和GMM聚类模型，下面我们再介绍两个很实用的聚类算法。 DBSCAN密度聚类 KMeans聚类的形状一般对数据的本身特性要求较高（球状），但...
-
uniform机器学习极简入门5—EM算法
上一节我们介绍了高斯混合模型（GMM），这个模型在求解的时候我们提到了EM算法，本节我们详细介绍下EM算法的基本流程，其实在KMeans中也有EM的思想，EM算法在很多概率求...
