
推荐系统
理论与实践
一只干巴巴的海绵
这个作者很懒,什么都没留下…
展开
-
Datawhale新闻推荐竞赛学习总结:特征工程
特征工程和数据清洗转换是比赛中至关重要的一块, 因为数据和特征决定了机器学习的上限,而算法和模型只是逼近这个上限而已,所以特征工程的好坏往往决定着最后的结果,特征工程可以一步增强数据的表达能力,通过构造新特征,我们可以挖掘出数据的更多信息,使得数据的表达能力进一步放大。原创 2020-12-03 11:43:23 · 504 阅读 · 0 评论 -
Datawhale新闻推荐竞赛学习总结:多路召回
- 推荐系统读取数据的三种模式- 几种不同的召回策略:基于关联顾泽的itemCF、基于关联规则的userCF、youtubeDNN召回、冷启动召回- 多路召回合并原创 2020-11-30 19:24:50 · 819 阅读 · 3 评论 -
Datawhale新闻推荐竞赛学习总结:Baseline
- 推荐算法:ItemCF,如何计算相似度,如何根据用户历史交互行为推荐- code:读取采样数据,df 内存优化,Python进度条 tqdm库原创 2020-11-25 21:52:21 · 448 阅读 · 1 评论