推荐系统中的核心是从海量的商品库挑选合适商品最终展示给用户。由于商品库数量巨大，因此常见的推荐系统一般分为两个阶段，即召回阶段和排序阶段。召回阶段主要是从全量的商品库中得到用...
发简信
IP属地：贵州
-
推荐系统遇上深度学习(三十九)-推荐系统中召回策略演进！ -
Multi-task Learning(Review)多任务学习概述背景：只专注于单个模型可能会忽略一些相关任务中可能提升目标任务的潜在信息，通过进行一定程度的共享不同任务之间的参数，可能会使原任务泛化更好。广义的讲，只要loss有多个就算M...
-
过拟合及解决方案是什么 过拟合（overfitting）是指在模型参数拟合过程中的问题，由于训练数据包含抽样误差，训练时，复杂的模型将抽样误差也考虑在内，将抽样误差也进行了很好的拟合。 具体...
-
Generative Model（VAE1）Unspervised learning主要任务目标是发掘数据潜在有价值的结构，主要分为clustering，dimentionality reduction，feature...
-
-
Variational Autoencoder, VAE，变分自编码器http://geek.csdn.net/news/detail/230599 X(例如现有MNIST)->z->生成无尽的手写数字 该公式很难求解。因此用一个变分函数q(z...
-
Deep Reinforcement Learning简介David Silver说，AI = RL + DL = Deep Reinforcement Learning他的课程：RL Cource by David SilverR...
-
神经网络训练Trick神经网络构建好，训练不出好的效果怎么办？明明说好的拟合任意函数(一般连续)(为什么？可以参考Neural Network and Deep Learning)，说好的足够多的...
-
xgboost的原理没你想像的那么难xgboost 已然火爆机器学习圈，相信不少朋友都使用过。要想彻底掌握xgboost，就必须搞懂其内部的模型原理。这样才能将各个参数对应到模型内部，进而理解参数的含义，根据需...
