簡(jiǎn)書停止更新，感興趣的可移步我的知乎專欄 <a href="https://links.jianshu.com/go?to=https%3A%2F%2Fwww.zhihu.com%2Fpeople%2Fzi-qi-dong-lai-1" target="_blank">https://www.zhihu.com/people/zi-qi-dong-lai-1</a>
發(fā)簡(jiǎn)信
IP屬地：廣東
-
-
實(shí)用 Kaggle 競(jìng)賽之 隨機(jī)森林 Random Forrest 的評(píng)估及調(diào)參“本文內(nèi)容的訴求為實(shí)用、易上手，所以理論的內(nèi)容以及公式只做少量的解釋，并不著重涉及?！?本節(jié)內(nèi)容：1。評(píng)價(jià)函數(shù) —— 如何評(píng)價(jià)模型的好壞2。測(cè)試集、驗(yàn)證集、訓(xùn)練集 —— 防止...
-
算法崗面試——深度學(xué)習(xí)總結(jié)BatchNormalization介紹 參考知乎深度學(xué)習(xí)中 Batch Normalization為什么效果好？參考CSDN對(duì)Batch_Normalization的理解 ...
-
計(jì)算廣告之CTR預(yù)估-FM算法解析原文：Factorization Machines 地址：http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.3...
-
Hive/HiveQL常用優(yōu)化方法全面總結(jié)（上篇）Hive作為大數(shù)據(jù)領(lǐng)域常用的數(shù)據(jù)倉(cāng)庫(kù)組件，在平時(shí)設(shè)計(jì)和查詢時(shí)要特別注意效率。影響Hive效率的幾乎從不是數(shù)據(jù)量過(guò)大，而是數(shù)據(jù)傾斜、數(shù)據(jù)冗余、job或I/O過(guò)多、MapRedu...
-
協(xié)同過(guò)濾算法利用用戶行為數(shù)據(jù)進(jìn)行推薦(協(xié)同過(guò)濾) 1、用戶行為數(shù)據(jù) 用戶行為數(shù)據(jù)在網(wǎng)站上最簡(jiǎn)單的存在形式就是日志，比如用戶在電子商務(wù)網(wǎng)站中的網(wǎng)頁(yè)瀏覽、購(gòu)買、點(diǎn)擊、評(píng)分和評(píng)論等活動(dòng)。 用...
-
第一批90后投資人已經(jīng)年薪百萬(wàn)，下班后的幾小時(shí)，決定幾年后的發(fā)展軌跡
已是2019年下半年了 再過(guò)不到5個(gè)月 20后就要出生了 他們看90后 就像90后看60后。 比起脫發(fā)、耳聾、老花，更具殺傷力的是一句“你都快30了，還…...” 第一批90...
-
推薦系統(tǒng)-重排序-CTR-DeepFM等DNN模型概述 關(guān)鍵詞：特征組合LR：缺乏特征組合能力，需人工做特征工程GBDT+LR：特種組合能力不強(qiáng)，對(duì)高維的稀疏特征應(yīng)對(duì)乏力FM：具有較強(qiáng)的二階特征組合能力，高階特征組合應(yīng)對(duì)乏力...
-
機(jī)器學(xué)習(xí)系列（二十九）——精準(zhǔn)率precision和召回率recall
本篇主要內(nèi)容：混淆矩陣（Confusion Matrix） 、精準(zhǔn)率（Precision）、召回率（Recall ） 準(zhǔn)確率的陷阱 在之前我們都是用分類準(zhǔn)確度來(lái)評(píng)價(jià)分類算法的...
-
知識(shí)蒸餾（Knowledge Distilling），讓你的模型輕裝上陣——keras 實(shí)戰(zhàn)深度學(xué)習(xí)在這兩年的發(fā)展可謂是突飛猛進(jìn)，為了提升模型性能，模型的參數(shù)量變得越來(lái)越多，模型自身也變得越來(lái)越大。在圖像領(lǐng)域中基于Resnet的卷積神經(jīng)網(wǎng)絡(luò)模型，不斷延伸著網(wǎng)絡(luò)深度。...
-
計(jì)算廣告（上）請(qǐng)答到的產(chǎn)品，設(shè)計(jì)，運(yùn)營(yíng)近期來(lái)每周一個(gè)人做讀書分享，目前進(jìn)行了有一個(gè)多月，這次是我的第二次分享。一方面，最近忙著沒(méi)有怎么更博客，另一方面，分享的內(nèi)容還是有點(diǎn)干貨的，所以就把分...
