好好学习，天天向上

摘要： 01. What is OptaPlanner? 主要翻译一下首页的内容 https://www.optaplanner.org/ OptaPlanner是一个AI约束求解器。它优化计划和调度问题，如车辆调度问题(智慧城市的智慧红路灯)、员工排班、维护调度、任务分配、学校时间表、云优化、会议调度、作 阅读全文

摘要： 1. 点击率预估简介 点击率预估是用来解决什么问题? 点击率预估是对每次广告点击情况作出预测,可以输出点击或者不点击的概率 —— PClick. 点击率模型需要做什么？ 其实点击率模型预估问题就是一个二分类问题 逻辑回归输出的就是[0,1]的概率值 因此可以使用LR的方式来学习建立模型 点击率预估与 阅读全文

摘要： 5 FM模型的引入 5.1.1 逻辑回归模型的及其缺点 FM模型其实就是一种思路，具体应用较少。 一般来说做推荐CTR预估时最简单的思路是将特征做线性组合（逻辑回归LR），传入sigmod中得到一个概率值，本质上是一个线性模型；也就是LR的缺点有： 这是一个线性模型 每个特征对最终输出的结果独立，需 阅读全文

摘要： 1. 隐语义模型/矩阵分解模型 出发点: 弥补基于用户或者物品的协同过滤模型(UserCF/ItermCF)处理稀疏矩阵能力不足的问题 隐语义/矩阵分解模型: 从协同过滤中衍生出矩阵分解模型(Matrix Factorization,MF),Plus版本 特点: 使用更加稠密的隐向量来表示用户和物品 阅读全文

摘要： 1. 协同过滤算法是什么? 协同过滤（Collaborative Filtering）推荐算法是最经典、最常用的推荐算法。 1.1 基本思想 根据用户的之前的喜好以及其他兴趣相近的选择来给用户推荐物品(基于对用户历史数据的挖掘,发现用户的喜欢偏好，进而预测用户可能喜欢的产品进行推荐)。 一般仅仅基于 阅读全文

摘要： 比葫芦画瓢之参考书籍或链接 项亮老师的《推荐系统实践》 王喆老师的《深度学习推荐系统》 原文出处 Datewhale的github https://github.com/datawhalechina/team-learning-rs/tree/master/RecommendationSystemF 阅读全文

摘要： 引用 如何理解傅立叶级数公式？https://www.matongxue.com/madocs/619 知 乎：马同学 如何通俗地理解傅立叶变换？https://www.matongxue.com/madocs/473 知 乎：马同学 傅里叶分析之掐死教程（完整版） https://zhuanlan 阅读全文

摘要： 引用&搬运 https://www.biaodianfu.com/xgboost.html 机器学习算法之XGBoost https://zhuanlan.zhihu.com/p/92837676 XGBoost、GBDT超详细的数学公式推导 (这一部分涉及大量的运算,写到了笔记本上,博客未同步) 阅读全文

摘要： 学习链接 机器学习算法之Boosting https://www.biaodianfu.com/boosting.html 前摘 机器学习2大类 机器学习通常会被分为2大类：监督学习和非监督学习, 目的是为了找到输入x与输出y之间的函数关系F：y = F(x)。 回归和分类的简单区别: (https 阅读全文

摘要： 机器学习算法之决策树 主要借鉴归纳: https://www.biaodianfu.com/decision-tree.html 01 什么是决策树 重要特征点 决策树依托策略决策, 建立起来的N叉树模型 决策树是一种预测模型 树中每个结点表示某种对象(多个特征的取值范围的集合),每个分叉路径依据某 阅读全文