algorithm - 随笔分类(第17页) - papering

特征列属性值获取 vowpal wabbit 生成DNN 的训练测试数据

摘要：用户特征文件 userFeature.data 每行代表一个用户的特征数据，格式为： “uid|features”，uid 和 features 用竖线“|”分隔。其中 feature 采用 vowpal wabbit（https://github.com/JohnLa 阅读全文

posted @ 2018-05-18 21:45 papering 阅读(357) 评论(0) 推荐(0)

ctr ffm

摘要：ctr ffm 阅读全文

posted @ 2018-05-18 07:59 papering 阅读(149) 评论(0) 推荐(0)

学习率收敛算法稳定

摘要：学习率优缺点使用场景小学习率收敛慢，但结果精确若算法不稳定，先降低学习率大学习率结果不精确，但收敛快若算法收敛太慢，可提高学习率阅读全文

posted @ 2018-05-12 20:06 papering 阅读(354) 评论(0) 推荐(0)

线性模型中的分类特征通常被转换成稀疏向量

摘要：简介 | TensorFlow https://tensorflow.google.cn/programmers_guide/low_level_intro [教程9]具有TensorFlow的大规模线性模型 - 笔记ing - 博客园 https://www.cnblogs.com/yinghua 阅读全文

posted @ 2018-05-12 17:14 papering 阅读(579) 评论(0) 推荐(0)

train_action

摘要：An Op that initializes all tables. Note that if there are not tables the returned Op is a NoOp. An Op that initializes all tables. Note that if there 阅读全文

posted @ 2018-05-11 21:12 papering 阅读(233) 评论(0) 推荐(0)

满足qps 同时兼顾数据生产速率

摘要：满足qps 同时兼顾数据生产速率阅读全文

posted @ 2018-05-11 10:37 papering 阅读(121) 评论(0) 推荐(0)

回归算法、分类算法的损失函数的图示

摘要：import matplotlib.pyplot as plt import tensorflow as tf sess = tf.Session() x_vals = tf.linspace(-1., 1., 500) target = tf.constant(0.) l2_y_vals = tf.square(target - x_vals) l2_y_o... 阅读全文

posted @ 2018-05-10 07:38 papering 阅读(641) 评论(0) 推荐(0)

Huber loss

摘要：Huber loss - Wikipedia https://en.wikipedia.org/wiki/Huber_loss Pseudo-Huber loss function 阅读全文

posted @ 2018-05-09 19:40 papering 阅读(265) 评论(0) 推荐(0)

损失函数对比曲度收敛平滑

摘要：【1】 L2正则损失函数、欧拉损失函数：预测值与目标差值的平方和在目标值附近有更好的曲度，离目标越近收敛越慢【2】 L1正则损失函数，绝对值损失函数在目标值附近不平滑，导致算法不能很好地收敛【1】【2】代码【3】 Pseudo-Huber损失函数是 Huber损失函数的连续、平滑估计，师徒阅读全文

posted @ 2018-05-09 12:52 papering 阅读(2263) 评论(0) 推荐(0)

Cholesky分解平方根法

摘要：一种矩阵运算方法，又叫Cholesky分解。所谓平方根法，就是利用对称正定矩阵的三角分解得到的求解对称正定方程组的一种有效方法。它是把一个对称正定的矩阵表示成一个下三角矩阵L和其转置的乘积的分解。它要求矩阵的所有特征值必须大于零，故分解的下三角矩阵的对角元也是大于零的。 https://en.wik 阅读全文

posted @ 2018-05-09 07:43 papering 阅读(2827) 评论(0) 推荐(0)

兴趣主题字段二值化多值并列属性拆分二值化

摘要：兴趣主题字段二值化多值并列属性拆分二值化 SELECT DISTINCT(marriageStatus) FROM myu_copy;115 1313 101015013 1512 13136 132 1313 96 13 92 13 95 13 912 13 91412 13 1031 阅读全文

posted @ 2018-05-06 23:27 papering 阅读(273) 评论(0) 推荐(0)

批量操作提高计算速度

摘要：过滤通过集合运算实现，计算一次阅读全文

posted @ 2018-05-06 18:41 papering 阅读(316) 评论(0) 推荐(0)

深度神经网络广告相似人群扩展

摘要：import pandas as pd import tensorflow as tf TRAIN_URL = "http://download.tensorflow.org/data/iris_training.csv" TEST_URL = "http://download.tensorflow.org/data/iris_test.csv" # CSV_COLUMN_NAMES... 阅读全文

posted @ 2018-05-02 23:33 papering 阅读(603) 评论(0) 推荐(0)

第二步：将LAD结果的属性值二（多）值化，投入计算模型

摘要：一文详解LDA主题模型 - 达观数据 - SegmentFault 思否 https://segmentfault.com/a/1190000012215533 第二步：将LAD结果的属性值二（多）值化、线性化，投入计算模型 DNN 阅读全文

posted @ 2018-05-02 20:15 papering 阅读(269) 评论(0) 推荐(0)

a non-linear editing software

摘要：VLMC, open source video editor - VideoLAN http://www.videolan.org/vlmc/ 阅读全文

posted @ 2018-05-02 10:58 papering 阅读(145) 评论(0) 推荐(0)

大量文件时时传送

摘要：视频边合成边传送视频的创建时间大小过滤 ‘’ 阅读全文

posted @ 2018-04-28 19:23 papering 阅读(301) 评论(0) 推荐(0)

DNNClassifier 深度神经网络分类器

摘要：An Example of a DNNClassifier for the Iris dataset. models/premade_estimator.py at master · tensorflow/models · GitHub https://github.com/tensorflow/m 阅读全文

posted @ 2018-04-27 19:24 papering 阅读(314) 评论(0) 推荐(0)

广告特征用户特征

摘要：用户特征包含以下特征组（feature_group_name），如果具体特征取值未知，均以 0 表示： • 年龄（age）：分段表示，每个序号表示一个年龄分段 • 性别（gender）：男 / 女 • 学历（education）：博士 / 硕士 / 本科 / 高中 / 初中 / 小学 • 消费能力（consumptionAbility）：高 / 低 • 地理位置（LBS）：每个序号代表... 阅读全文

posted @ 2018-04-26 21:01 papering 阅读(510) 评论(0) 推荐(0)

如果一个维度全覆盖，则有效维度应该对该维度全覆盖

摘要：一款适合各个年龄段的产品：定向投放广告的切入点适合于各个年龄段的维度，比如每天投放的时间》如果一个维度全覆盖，则有效维度应该对该维度全覆盖时间...no 食盐...no 氧气...ok 阅读全文

posted @ 2018-04-26 18:56 papering 阅读(201) 评论(0) 推荐(0)

a high-level neural networks AP

摘要：Keras Documentation https://keras.io/ You have just found Keras. Keras is a high-level neural networks API, written in Python and capable of running o 阅读全文

posted @ 2018-04-26 17:19 papering 阅读(151) 评论(0) 推荐(0)

papering

随笔分类 - algorithm