yyyyyyyyyyyyyyyyyyyy

摘要： 注：代价函数（有的地方也叫损失函数，Loss Function）在机器学习中的每一种算法中都很重要，因为训练模型的过程就是优化代价函数的过程，代价函数对每个参数的偏导数就是梯度下降中提到的梯度，防止过拟合时添加的正则化项也是加在代价函数后面的。在学习相关算法的过程中，对代价函数的理解也在不断的加深， 阅读全文

摘要： 流失预测模型的应用 一、概述 对于一个互联网企业来说，用户流失是一个不可避免的问题。一定范围内的用户流失率是可以被接受的，因为并不是所有的用户都是我们的目标用户。但是当用户的流失率超出我们的预期时，就应该思考用户为什么会离开？有没有办法预测出具有流失倾向的用户？并通过针对性的挽留工作避免其流失。 本 阅读全文

摘要： 基于Spark ALS构建商品推荐引擎 一般来讲，推荐引擎试图对用户与某类物品之间的联系建模，其想法是预测人们可能喜好的物品并通过探索物品之间的联系来辅助这个过程，让用户能更快速、更准确的获得所需要的信息，提升用户的体验、参与度以及物品对用户的吸引力。 在开始之前，先了解一下推荐模型的分类： 1、基 阅读全文

摘要： 作为程序员的个人发展 作为一名软件工程师，说实话，写文章要比写代码难多了。 要说发展，知乎，CSDN，博客园里很多专业的建议。这里只是写出自己细微的经验，希望能给同样境遇的人一些对照。 相信很多软(Ma)件(Nong)从业者和我一样，大学时学了一堆理论基础: 计算机原理，OOSAD，网络基础，软件工 阅读全文

摘要： 机器学习常见算法优缺点总结 K近邻：算法采用测量不同特征值之间的距离的方法进行分类。 优点： 1.简单好用，容易理解，精度高，理论成熟，既可以用来做分类也可以用来做回归； 2.可用于数值型数据和离散型数据； 3.训练时间复杂度为O(n)；无数据输入假定； 4.对异常值不敏感 缺点： 1.计算复杂性高 阅读全文

摘要： 博士应该怎样读 ——从我自身的经验谈起 2016-09-16 上海交大 宫辰 博士应该怎样读 ——从我自身的经验谈起 宫 辰 （goodgongchen@sjtu.edu.cn） 上海交通大学电子信息与电气工程学院图像处理与模式识别研究所 关于如何读博士，如何成为一名优秀的博士，网上类似的帖子或文章 阅读全文

摘要： 我的分布式机器学习故事 从毕业加入Google开始做分布式机器学习，到后来转战腾讯广告业务，至今已经七年了。我想说说我见到的故事和我自己的实践经历。这段经历给我的感觉是：虽然在验证一个新的并行算法的正确性的时候，我们可以利用现有框架，尽量快速实现，但是任何一个有价值的机器学习思路，都值得拥有自己独特 阅读全文

摘要： 机器学习——统计与计算之恋 编辑部按：本文是从张志华老师在第九届中国R语言会议和上海交通大学的两次讲座中整理出来的。张志华老师是上海交通大学计算机科学与工程系教授，上海交通大学数据科学研究中心兼职教授，计算机科学与技术和统计学双学科的博士生指导导师。在加入上海交通大学之前，是浙江大学计算机学院教授和 阅读全文

摘要： 注：在吴恩达老师讲的【机器学习】课程中，最开始介绍神经网络的应用时就介绍了含有一个隐藏层的神经网络可以解决异或问题，而这是单层神经网络（也叫感知机）做不到了，当时就觉得非常神奇，之后就一直打算自己实现一下，一直到一周前才开始动手实现。自己参考【机器学习】课程中数字识别的作业题写了代码，对于作业题中给 阅读全文

摘要： Gradient Boosted Regression Trees 2 Regularization GBRT provide three knobs to control overfitting: tree structure, shrinkage, and randomization. Tree 阅读全文