GodsLeft的专栏

损失函数0-1损失L(Y,f(X))={1,Y≠f(X)0,Y=f(X) L(Y, f(X)) = \begin{cases} 1, & Y \not= f(X) \\ 0, & Y = f(X) \end{cases} L(Y,f(X))={1,0,​Y​=f(X)Y=f(X)​直接对应分类判断错误的个数，但是是一个非凸函数，不太好用感知机使用的就是这种损失函数，...

论文相关最近在看推荐系统相关的一些论文和文章，将一些较好的资源和论文放在这里记录一下https://zhuanlan.zhihu.com/p/52169807讲述了youtube推荐系统的精妙之处https://zhuanlan.zhihu.com/p/61827629（https://mp.weixin.qq.com/s?__biz=MjM5ODkzMzMwMQ==&mi...

阿里小蜜提供了三种服务助手服务客户服务聊天服务支持多轮交互2 系统总览给出一个问题q，首先传输到一个商业规则解析器当中，如果没有匹配到任何规则，那么将会被送到意图分类器当中...

论文AliMe Chat: A sequence to Sequence and Rerank based Chatbot Engine讲的是如何做开放领域的聊天机器人这篇文章的主要核心思想是结合IR（信息检索）和 seq2seq（生成模型）去做当用户来了一个问题之后，通过IR系统在QA知识库当中检索出来一个候选答案的集合：<qkbi,ri>i=1k(k=10) &lt...

马尔科夫链最近看了一篇文章，用二十行shell写的一个马尔科夫链正好自己比较喜欢shell，现在摘录下来代码mrkfeed.awk： 这个用来成一个模型文件。./mrkfeed.awk < chatlog.txt >> model.mrkdb#!/usr/bin/awk -f{ for(i=1; i<NF; i++) { print $i, $(i...

kappa检测方法评价相关性的一种指标Simple Kappa Coefficient（简单kappa系数）Clinician 1看做真实分布，Clinician2看做预测分布实际一致率与随机一致率是否有显著的差别Kappa=Po−Pe1−Pe;Po=a+dn;Pe=(a+b)(a+c)+(c+d)(b+d)n2 Kappa = \frac{P_o - P_e}{1 - P_e}...

无主题作文打分国内的人写的针对于无法获取主题的作文进行评分缺乏主题相关的作文数据进行训练主要思想：第一阶段用来生成训练样本，在每个主题里面都选出好的样本，和不好的样本，注意使用跟主题无关的模型来做第二阶段用来训练一个跟主题有关的模型：这里的主题是指本身自己的语义主题，而非给出的主题，当然不只是主题有关，又有语法相关，句法相关，语义相关。这里使用深度模型来做，训练数据就是第一阶段生...

基于连贯性任务的句子向量表示这篇文章想找出一种高效的句子的向量表示使用了文章连贯性的任务来训练对比了两种句子向量表示Recurrent Sentence Representation: 就是正常的循环神经网络，使用最后一个隐含层的状态ht=f(Vrecurrentht−1+Wrecurrentewt+brecurrent) h_t = f(V_{recurrent} h_{t-1}...

作文自动评分通常都是手工收集特征，使用回归方法去预测分数4 模型lookup table layer: embedding 层，使用预训练好的词向量Convolution layer: 卷积层，提取局部特征Recurrent layer: LSTM层Mean over time: 所有隐含层状态平均Linear layer with Sigmoid activation: de...

GRU4Rec论文： session-based recommendations with recurrent neural networks真实世界推荐系统通常面临的数据是 短的 基于session的数据， 而不是很长的用户历史记录2.1 相关工作这篇论文是针对一种特定情况的推荐系统，关于用户的信息比较少，或者没有通常会推荐相似的素材。或者在同一个session当中共现的最多的...

2. xgboost模型L(t)=∑i=1nl(yi,y^i(t−1)+ft(xi))+Ω(ft) L^{(t)} = \sum_{i=1}^n l(y_i, \hat y_i^{(t-1)} + f_t (x_i) ) + \Omega(f_t) L(t)=i=1∑n​l(yi​,y^​i(t−1)​+ft​(xi​))+Ω(ft​)损失函数二阶泰勒展开L(t)=∑i=1n[l(yi,y^...

完全背包问题1. 零钱兑换给定不同面额的硬币和一个总金额。写出函数来计算可以凑成总金额的硬币组合数。假设每一种面额的硬币有无限个。输入: amount = 5, coins = [1, 2, 5]输出: 4解释: 有四种方式可以凑成总金额:5=55=2+2+15=2+1+1+15=1+1+1+1+1理解其中的递推公式dp[i][j] = dp[i-1][j] + dp...

换零钱问题问题：将11元换成1、3、5元硬币，最少需要的硬币数量。 定义d(i) = j 表示将i 元换成硬币最少需要 j 个硬币 则# 状态转移d(0) = 0d(1) = d(1-1) + 1 #表示d(2) = d(2-1) + 1d(3) = min{ d(3-1) + 1 , d(3-3) + 1}。。。d(n) = min{ d(n-1)+1, d(n-3)+1,

1. tensor2tensor运行在GPU上面的简单总结首先测试tensorflow的简单程序能否运行在GPU上面，执行下面的代码import tensorflow as tfwith tf.device('/device:GPU:0'): a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='...

先搞明白，是做什么的，怎么用隐马尔可夫链可见链隐性链隐马尔科夫三大问题知道骰子有几种（隐含状态数量），每种骰子是什么（转换概率）根据骰子投掷的结果（可见状态链），我想知道每次投掷出来的都是那种骰子（隐含状态链）知道骰子有几种（隐含状态数量），每种骰子是什么（转换概率）根据筛子投掷的结果（可见状态链），我想知道投掷出这个结果的概率知道骰子有几种（隐含状态数量）...

不忘初心，方得始终学习Logistic回归，看了许多讲解一直不知所云，或者看不下去。第一部分目的：根据 y 的特征值 x1...xnx_1...x_n，判断 y 属于class1 还是class0 方法：给每一个特征值分配一个权重，根据得分来判断 y 是属于 0，1类，即 z=θ0∗x0+θ1∗x1+...+θn∗xn=θT∗Xz=\theta_0*x_0 + \theta_1*x_1+...

LSTM模型之前一直想要了解一下LSTM模型的想法，看到一些介绍，说里面的各种门，遗忘门，输入门，输出门，是模拟电路的，然后自己就一直很莫名其妙，怎么还有电路什么的，然后就各种一直看不懂。。。现在回过头来仔细的看了看，发现原来也不是很难。不是电路，跟电路一点关系都没有，把它想象成一个神经元就好了，一切问题迎刃而解。嗯，是的，就是这么简单。。。最后在知乎上找了一篇文章，讲的挺不错的：https:...

贪心算法求解问题时，总是做出当前看来最好的选择。 但是贪心算法最难的是要证明每一步的贪心选择能够得出最终的最优解。 第二难点是如何贪心均分纸牌有N堆纸牌，编号1，2 ,3 。。。N。每堆上有若干张，但纸牌的总数必为N的倍数。可以在任一堆上取若干张纸牌，然后移动。移动规则如下：在编号为1上取得纸牌只能移动到编号为2的堆上；在编号为N上取得纸牌只能移动到编号为N-1的堆上；其他位置，只能移动到