摘要： 学习提纲 阅读全文

摘要： 1为什么需要对数值类型的特征做归一化？ 2怎样处理类别型特征？ 3什么是组合特征？ 3-1如何处理高维组合特征？ 4怎样有效地找到组合特征？ 5有哪些文本表示模型？ 5-1它们各有什么优缺点？ 6如何缓解图像分类任务中训练数据不足带来的问题？ 7Word2Vec 是如何工作的？ 7-1它和隐狄利克雷 阅读全文

摘要： 一大数据技术框架 数据变现的过程(把数据转化成价值之后提供给用户) 自底向上: 数据源(互联网，物联网，企业数据) >用户 大数据技术框架: 1-4 通用架构 5-6专业业务(金融 保险 教育 政府机构) 1数据收集(EL，提取，转换，加载) 数据收集准备 2数据存储(SQL, NOSQL)数据存储 阅读全文

摘要： 矩阵分解技术和隐藏因子模型的交叉部分 隐藏因子模型 用 矩阵分解 神经网络 实现 矩阵分解发展历史 1999年之前 PCA SVD LSI 被用在降维(降维分析),聚类分析,数据预处理 之后潜在因子模型(Latent Factor Model) 1999年之后将概率模型引入到PLAS进一步发展NMF 阅读全文

摘要： 自然语言的话题topic分析 非监督学习 使用NMF非负矩阵分解提取文章话题，NMF是在矩阵中所有元素均为非负数约束条件之下的矩阵分解方法(NMF的基本思想可以简单描述为：对于任意给定的一个非负矩阵A，NMF算法能够寻找到一个非负矩阵U和一个非负矩阵V，使得满足 ，从而将一个非负的矩阵分解为左右两个 阅读全文