摘要：
1. GBDT+LR简介 协同过滤+矩阵分解：仅仅利用了用户与物品相互行为信息进行推荐， 忽视了用户自身特征， 物品自身特征以及上下文信息等，导致生成的结果往往会比较片面。 Facebook提出的GBDT+LR模型：GBDT自动进行特征筛选和组合，进而生成新的离散特征向量，再把该特征向量当做LR模型 阅读全文
posted @ 2020-10-30 22:19
山枫叶纷飞
阅读(1094)
评论(0)
推荐(1)
摘要：
Score calculation 地址: https://docs.optaplanner.org/7.45.0.Final/optaplanner-docs/html_single/index.html#scoreCalculation 5.1.1 评分术语 在OptaPlanner中定义约束非 阅读全文
posted @ 2020-10-30 17:51
山枫叶纷飞
阅读(685)
评论(0)
推荐(0)
摘要：
文档学习列表: plannerConfiguration https://docs.optaplanner.org/7.45.0.Final/optaplanner-docs/html_single/index.html#plannerConfiguration 01. 快速回顾OptaPlanne 阅读全文
posted @ 2020-10-30 17:49
山枫叶纷飞
阅读(1221)
评论(0)
推荐(0)
摘要：
目前可以公开的一些情报 什么是运筹排班算法? 假设一个工厂场景，该工厂下有100个工人需要排班，全排列会有100！约等于 $10^{158}$种结果，此类问题也属于NP问题；粗略计算一个地球年不到$108$秒，假设每秒可以运算$10{10}$种情况，也需要$10^{140}$个地球年来跑完全部的结果 阅读全文
posted @ 2020-10-30 10:21
山枫叶纷飞
阅读(901)
评论(5)
推荐(0)
浙公网安备 33010602011771号