上一页 1 2 3 4 5 6 ··· 15 下一页
摘要: 转自:https://www.jiqizhixin.com/articles/2018 07 16 17?from=singlemessage 多年以后,当资深算法专家们看着无缝对接用户需求的广告收入节节攀升时,他们可能会想起自己之前痛苦推导FM与深度学习公式的某个夜晚……——题记1.引言点击率(c 阅读全文
posted @ 2020-05-21 18:54 Le1B_o 阅读(424) 评论(0) 推荐(0) 编辑
摘要: 转自:https://mp.weixin.qq.com/s/zDneR1BU6xvt8cndEF4_Xw 本文概览:1. 背景知识Word2Vec是语言模型中的一种,它是从大量文本预料中以无监督方式学习语义知识的模型,被广泛地应用于自然语言处理中。Word2Vec是用来生成词向量的工具,而词向量与语 阅读全文
posted @ 2020-05-21 11:40 Le1B_o 阅读(543) 评论(0) 推荐(0) 编辑
摘要: 转自:https://zhuanlan.zhihu.com/p/46445201 GBDT算法概述GBDT是boosting算法的一种,按照boosting的思想,在GBDT算法的每一步,用一棵决策树去拟合当前学习器的残差,获得一个新的弱学习器。将这每一步的决策树组合起来,就得到了一个强学习器。具体 阅读全文
posted @ 2020-05-20 15:32 Le1B_o 阅读(1057) 评论(0) 推荐(0) 编辑
摘要: 转自:https://blog.csdn.net/qq_35976351/article/details/80892902 什么是特征交叉 特征交叉一种合成特征的方法,可以在多维特征数据集上,进行很好的非线性特征拟合。假设一个数据集有特征x1" role="presentation" style=" 阅读全文
posted @ 2020-05-19 22:51 Le1B_o 阅读(466) 评论(0) 推荐(0) 编辑
摘要: 在建立逻辑回归模型的过程中,有一个重要的步骤——利用VIF来检验变量之间是否有多重共线性,那么多重共线性是什么,VIF又是什么呢?大家上学的时候应该都知道线性关系:假设有n个非零向量X1,X2, …,Xn,如果存在不全等于零的常数b1, b2, …, bn使得b1X1+b2X2+b3X3+…+bnX 阅读全文
posted @ 2020-05-12 15:55 Le1B_o 阅读(6376) 评论(0) 推荐(1) 编辑
摘要: 转自:https://zhuanlan.zhihu.com/p/37605060 目录:前言偏相关或复相关意义与用途分析方法:1、 样本相关系数矩阵、相关系数检验2、 复相关分析3、 决定系数 (RMSE的介绍)小结一、前言:继上一篇文章,继续探讨相关性分析,这次不再是两个变量,而是3个或者以上的变 阅读全文
posted @ 2020-05-12 11:22 Le1B_o 阅读(29438) 评论(0) 推荐(0) 编辑
摘要: 转自:https://zhuanlan.zhihu.com/p/36441826 目录:变量间的关系分析函数关系相关关系平行关系依存关系简单相关分析计算两变量之间的线性相关系数协方差定义、柯西 施瓦尔兹不等式Pearson 相关系数相关系数的假设检验 的图t 检验的解读纯探讨向——深度探讨 一、变量 阅读全文
posted @ 2020-05-12 11:20 Le1B_o 阅读(2746) 评论(0) 推荐(0) 编辑
摘要: PCA(Principal Component Analysis) 是一种常见的数据分析方式,常用于高维数据的降维,可用于提取数据的主要特征分量。PCA 的数学推导可以从最大可分型和最近重构性两方面进行,前者的优化条件为划分后方差最大,后者的优化条件为点到划分平面距离最小,这里我将从最大可分性的角度 阅读全文
posted @ 2020-04-13 18:03 Le1B_o 阅读(242) 评论(0) 推荐(0) 编辑
摘要: 转自:https://zhuanlan.zhihu.com/p/24709748 矩阵求导的技术,在统计学、控制论、机器学习等领域有广泛的应用。鉴于我看过的一些资料或言之不详、或繁乱无绪,本文来做个科普,分作两篇,上篇讲标量对矩阵的求导术,下篇讲矩阵对矩阵的求导术。本文使用小写字母x表示标量,粗体小 阅读全文
posted @ 2020-04-06 10:44 Le1B_o 阅读(304) 评论(0) 推荐(0) 编辑
摘要: 转自:https://zhuanlan.zhihu.com/p/57803955 摘要SVD(Singular Value Decomposition, 奇异值分解)是线性代数中既优雅又强大的工具, 它揭示了矩阵最本质的变换. 使用SVD对矩阵进行分解, 能得到代表矩阵最本质变化的矩阵元素. 这就好 阅读全文
posted @ 2020-04-02 12:06 Le1B_o 阅读(266) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 ··· 15 下一页