摘要: http://www.huxmarket.com/detail/2966 DSP场景假定前提: 以CTR预估为例,向广告主以CPC(OCPC)方式收费,向ADX以CPM方式付费。投放计划受预算限制,在这种情况下,一般含有约束目标(如最小化eCPC,最小化转化成本等)。 DSP如何赚钱: 成本:从AD 阅读全文
posted @ 2019-03-06 19:31 合唱团abc 阅读(1004) 评论(0) 推荐(0) 编辑
摘要: http://www.cnblogs.com/haore147/p/3629895.html http://www.cnblogs.com/cmt/p/3279312.html 首先 http://www.codecogs.com/latex/eqneditor.php 中输入得到Latex公式, 阅读全文
posted @ 2017-03-03 10:27 合唱团abc 阅读(221) 评论(0) 推荐(0) 编辑
摘要: 1、样本不均衡可能带来的问题 模型训练的本质是最小化损失函数,当某个类别的样本数量非常庞大,损失函数的值大部分被样本数量较大的类别所影响,导致的结果就是模型分类会倾向于样本量较大的类别。咱们拿上面文本分类的例子来说明,现在有1W条用户搜索的样本,其中50条和传奇游戏标签有关,9950条和传奇游戏标签 阅读全文
posted @ 2022-07-11 19:50 合唱团abc 阅读(231) 评论(0) 推荐(0) 编辑
摘要: 在机器学习中,我们通常把样本分为训练集和测试集,训练集用于训练模型,测试集用于评估模型。在样本划分和模型验证的过程中,存在着不同的抽样方法和验证方法。 1)Holdout检验Holdout 检验是最简单也是最直接的验证方法,它将原始的样本集合随机划分成训练集和验证集两部分。比方说,对于一个点击率预测 阅读全文
posted @ 2022-06-29 20:26 合唱团abc 阅读(449) 评论(0) 推荐(0) 编辑
摘要: 插补: 1、特殊值填充(Treating Missing Attribute values as Special values) 将空值作为一种特殊的属性值来处理,它不同于其他的任何属性值。如所有的空值都用“unknown”填充。一般作为临时填充或中间过程。有时可能导致严重的数据偏离,一般不推荐。 阅读全文
posted @ 2022-06-29 08:46 合唱团abc 阅读(469) 评论(0) 推荐(0) 编辑
摘要: 在机器学习算法中,对于很多监督学习模型,需要对原始的模型构建损失函数,之后通过优化算法对损失函数进行优化,寻找到最优的参数。求解机器学习参数的优化算法中,使用较多的是基于梯度下降的优化算法(Gradient Descent, GD),梯度下降法的含义是通过当前点的梯度方向寻找到新的迭代点。基本思想可 阅读全文
posted @ 2022-06-27 16:21 合唱团abc 阅读(156) 评论(0) 推荐(0) 编辑
摘要: 。 阅读全文
posted @ 2022-06-24 15:56 合唱团abc 阅读(65) 评论(0) 推荐(0) 编辑
摘要: 参考: https://zhuanlan.zhihu.com/p/86602524 阅读全文
posted @ 2022-06-16 21:46 合唱团abc 阅读(37) 评论(0) 推荐(0) 编辑
摘要: 参考: https://zhuanlan.zhihu.com/p/38200980 https://blog.csdn.net/songyunli1111/article/details/89071021 阅读全文
posted @ 2022-06-16 21:40 合唱团abc 阅读(48) 评论(0) 推荐(0) 编辑
摘要: 参考: https://www.sohu.com/a/317862976_654419 阅读全文
posted @ 2022-06-16 21:36 合唱团abc 阅读(40) 评论(0) 推荐(0) 编辑
摘要: 。 阅读全文
posted @ 2022-06-16 21:20 合唱团abc 阅读(26) 评论(0) 推荐(0) 编辑
摘要: 激活函数的主要作用是提供网络的非线性建模能力,如果没有激活函数,那么该网络仅能够表达线性映射,即便有再多的隐藏层,其整个网络跟单层神经网络也是等价的。 Sigmoid Sigmoid函数的导数是其本身的函数,即f′(x)=f(x)(1−f(x)),计算非常方便,也非常节省计算时间。 具有这种性质的称 阅读全文
posted @ 2022-06-16 21:09 合唱团abc 阅读(120) 评论(0) 推荐(0) 编辑