摘要：推荐模型演化： 协同过滤： UserCF：基于用户相似度 ItemCF：基于物品相似度 相似度计算：Cosine Similarity、皮尔逊相关系数（引入用户平均分，减少了用户评分偏置影响）、还可以引入物品平均分，减少物品评分偏置对结果的影响 UserCF具备强的社交特性，ItemCF适用于兴趣变 阅读全文

摘要：推荐系统的数据部分： 客户端及服务端实时数据处理，流处理平台准实时数据处理，大数据平台离线数据处理 实时性：由强到弱 处理能力：由弱到强 推荐系统的模型部分： 召回层：快速从海量候选集召回用户可能感兴趣的物品 排序层：精排 补充策略与算法层：兼顾结果的多样性、流行度、新鲜度 离线训练：利用全量样本和 阅读全文

摘要：1、一般来说，error是bias和variance共同作用的结果 2、model比较简单和比较复杂的情况： 当model比较简单的时候，variance比较小，bias比较大，此时$f^\(会比较集中，但是function set可能并没有包含真实值\)\widehat$；此时model受bias 阅读全文

摘要：问题的导入：预测宝可梦的CP值 确定Senario、Task和Model 使用的Senario是Supervised Learning 使用的Task是Regression 关于Model，选择很多，这里采用的是Non-linear Model machine Learning的三个步骤： 定义一个 阅读全文

摘要：Supervised Learning(监督学习):这种function的output，通常被叫做label(标签) Regression(回归):通过regression找到的function，它的输出是一个scalar数值 Classification(分类):Binary Classifica 阅读全文