日月既往、不复可追。

摘要： 高阶特征的意义 一、高阶特征的核心意义 捕捉复杂特征交互 低阶特征（如单一特征 (x_a)、(x_b)）仅能描述数据的基础属性，而高阶特征（如 (x_a^2)、(x_a x_b) 等）能刻画特征间的非线性组合关系。例如在推荐系统中，用户对商品的偏好并非单一特征决定，而是年龄、性别、商品价格、品类等多 阅读全文

摘要： 用电影推荐示例解释公式 一、公式组成部分解析 二、电影推荐场景下的计算示例 三、公式在电影推荐中的意义 1. 特征交互挖掘 通过 ，模型捕捉用户特征（年龄、性别）与电影特征（类型嵌入）的显式交互。例如，计算年龄 ( 30 ) 与动作片嵌入值的加权组合，挖掘“30岁用户对动作片的偏好程度”。 2. 残 阅读全文

摘要： 嵌入向量计算示例 1. 问题设定 场景：电影推荐系统中用户对电影类型的偏好嵌入 输入特征：4种电影类型（动作片、喜剧片、科幻片、爱情片） 嵌入维度：n_e = 2 词汇大小：n_v = 4 2. 数据表示 （1）独热编码 电影类型 独热编码向量 动作片 [1, 0, 0, 0] 喜剧片 [0, 1, 阅读全文

摘要： ### **CTR点击率预测模型技术演进路线** 阶段1：线性模型时代（2010年前） 核心目标：基础特征权重建模 LR（逻辑回归） 原理：线性加权求和 + Sigmoid激活，仅建模一阶特征重要性。 局限性：无法捕捉特征交叉，依赖人工构造组合特征（如用户年龄×商品类别）。 多项式模型（Poly2） 阅读全文

摘要： FM的全称是Factorization Machines，翻译过来就是因式分解机，这么翻译很拗口，不得其神也不得其形，所以我们一般都不翻译简称为FM模型。 FM模型的优点有如下几点： FM模型的参数支持非常稀疏的特征，而SVM等模型不行 FM的时间复杂度为O（n），并且可以直接优化原问题的参数，而不 阅读全文

摘要： 安装Miniconda/Anaconda：创建一个新的环境，例如名为d2l的环境，并激活这个环境。 conda create --name d2l python=3.9 -y conda activate d2l 安装深度学习框架和d2l软件包：在安装深度学习框架之前，请检查计算机上是否有可用的GP 阅读全文

摘要： 在PyTorch中，torchvision是一个常用的库，它提供了对图像和视频数据的处理功能，包括数据加载、转换等。transforms是torchvision.transforms模块的一部分，它定义了一系列的图像转换操作，这些操作可以单独使用或者组合成转换序列（通过transforms.Comp 阅读全文

摘要： PIL（Python Imaging Library）库，也称为Pillow，是Python中广泛使用的PIL。它提供了丰富的图像处理功能，支持几乎所有图片格式的存储、显示和处理，能够完成图像的缩放、裁剪、叠加以及图像添加线条、图像和文字等操作。以下是对PIL库（Pillow）的详细介绍： 一、基本 阅读全文

摘要： img_tensor 在计算机视觉和深度学习的上下文中，通常指的是一个图像数据被转换成张量（Tensor）格式后的结果。 张量是深度学习框架（如TensorFlow、PyTorch等）中用于表示数据的基本单位，它们可以看作是更高维度的数组或矩阵。 在图像处理领域，一张图像通常由像素值组成，这些像素值 阅读全文

摘要： > > 问题描述： > > 在Anaconda Prompt (anaconda3)中使用conda create命令新建环境报错如下： > > base) C:\Users\yi>conda create --name py36 python=3.6 > > Collecting package 阅读全文