240 发简信
zstu_翊
IP属地：辽宁
  • 120
    180
    zstu_翊
    几种信息熵的理解

    本文记录的目的是方便自己学习和复习，有误之处请谅解，欢迎指出。 之前对算法原理和推导写的比较多，评价指标、信息熵较少，补充下。 机器学习算法中经常会用到各种熵，如决策树、...

    1340 0 0
  • 120
    180
    zstu_翊
    模型评价指标（CTR）

    本文记录的目的是方便自己学习和复习，有误之处请谅解，欢迎指出。 之前的文章没有对评价指标进行一个梳理，此小结补充一下建模过程中一些常用的评价指标。 最近项目在做点击率预估...

    1941 0 1
  • 120
    180
    zstu_翊
    异常检测-One-Class SVM 单分类

    本文记录的目的是方便自己学习和复习，有误之处请谅解，欢迎指出。 （2）SVDD （one class SVM） SVDD的思路其实不难，基本思想是：既然只有一个class，...

    3891 0 0
  • 120
    180
    zstu_翊
    异常检测-自编码

    本文记录的目的是方便自己学习和复习，有误之处请谅解，欢迎指出。 我们日常项目中经常会遇到数据不均衡的情况，这非常普遍，例如某动物分类项目的类别数量占比为300:100:9...

    1963 0 0
  • 120
    180
    zstu_翊
    文本相似度之Sim_hash算法

    本文记录的目的是方便自己学习和复习，有误之处请谅解，欢迎指出。 最近项目有用到Sim_hash，做个简单记录。 Sim_hash是Google用来处理大量文本去重的算...

    2269 0 1
  • 180
    zstu_翊
    主成分分析（PCA）

    本文记录的目的是方便自己学习和复习，有误之处请谅解，欢迎指出。 主成分分析（Principal Component Analysis，PCA）是中最常用的降维算法之一，...

    670 0 0
  • 180
    zstu_翊

    我这么理解的，因为L(wt)是向量v的反方向，所以v=-L(wt)。又因为v是单位向量，要除以摸

    梯度下降推导

    本文记录的目的是方便自己学习和复习，有误之处请谅解，欢迎指出。 梯度下降算法是机器学习、深度学习中更新模型参数最常用的算法，从公式上看，比较简单，只需要设定更新步长和计算一阶...

    zstu_翊
    618 2 0
  • 120
    180
    zstu_翊
    支持向量机推导

    本文记录的目的是方便自己学习和复习，有误之处请谅解，欢迎指出。 支持向量机（SVM）是算法工程师最耳熟能详的机器学习模型之一，这节对SVM作粗略的推导。 SVM旨在找到一...

    1943 0 0
  • 120
    180
    zstu_翊
    DeepFM算法

    本文记录的目的是方便自己学习和复习，有误之处请谅解，欢迎指出。 FM通过对于每一位特征的隐变量内积来提取特征组合，最后的结果还不错，理论上FM可以对高阶特征组合进行建模，...

    803 0 1
  • 120
    180
    zstu_翊
    FFM算法

    本文记录的目的是方便自己学习和复习，有误之处请谅解，欢迎指出。 之前介绍了FM，接下来是它的改进版本FFM，加入了领域Field思想。在FM模型中，每一个特征会对应一个...

    421 0 0
  • 120
    180
    zstu_翊
    FM算法

    本文记录的目的是方便自己学习和复习，有误之处请谅解，欢迎指出。 在计算广告中使用逻辑回归等算法进行CTR（广告点击率）、CVR（转化率）等预估时，类别特征经过One hot...

    361 0 0
  • 120
    180
    zstu_翊
    异常检测小结

    本文记录的目的是方便自己学习和复习，有误之处请谅解，欢迎指出。 异常检测是指在一堆数据样本中，通过各种方法找出脱离正常范围的数据，即异常样本、异常数据。异常检测应用领域...

    726 0 0
  • 120
    180
    zstu_翊
    目标检测—SSD

    本文记录的目的是方便自己学习和复习，有误之处请谅解，欢迎指出。 近年来目标检测算法主要包括两种类型：One Stage和Two Stage。之前已经介绍了R-CNN、F...

    613 0 0
  • 120
    180
    zstu_翊
    Word2vec：Negative Sampling训练

    本文记录的目的是方便自己学习和复习，有误之处请谅解，欢迎指出。 Negative Sampling（负采样）其实理解起来不是很难，个人觉得比分层Softmax相对简单一...

    882 0 0
  • 120
    180
    zstu_翊
    Word2vec：Hierarchical Softmax训练

    本文记录的目的是方便自己学习和复习，有误之处请谅解，欢迎指出。 上一篇介绍了word2vec两种基础模型CBOW和Skip-gram的训练过程，但是我们发现这样可能会出...

    1365 0 1
  • 120
    180
    zstu_翊
    Word2vec原理

    本文记录的目的是方便自己学习和复习，有误之处请谅解，欢迎指出。 看了许多网上word2vec的博客，感觉有点乱一大堆公式（可能我太菜了 0_0），花了两天自己整理了一下...

    298 0 1
  • 180
    zstu_翊
    L1、L2正则推导

    本文记录的目的是方便自己学习和复习，有误之处请谅解，欢迎指出。 正则化是机器学习中常用解决过拟合，减低模型复杂程度的技术。方法比较简单就是在损失函数后添加惩罚项L1、L...

    1124 0 0
  • 120
    180
    zstu_翊
    目标检测—Faster-RCNN

    本文记录的目的是方便自己学习和复习，有误之处请谅解，欢迎指出。 从之前Fast R-CNN文章的介绍中知道，它已经把很多工作集成到一个端对端CNN网络进行训练，但是依然存...

    409 0 0
  • 120
    180
    zstu_翊
    目标检测—Fast R-CNN

    本文记录的目的是方便自己学习和复习，有误之处请谅解，欢迎指出。 Fast R-CNN建立在R-CNN和SPP的工作基础之上，使用了多种创新方法提升检测速度和准确率。 ...

    385 0 0
暂无个人介绍