derder的博客

关于 NCR 的小介绍NCR 工作流程数据集预处理通过示例了解 NCR 预处理NCR 逻辑架构和训练逻辑正则化器NCR 评估受神经符号机器学习最新进展的启发，作者提出了神经协同推理 (NCR)，这是一种将嵌入学习和逻辑推理的力量集成到推荐任务中的框架。事实上，作为一种认知而不是感知任务，推荐不仅需要模式学习和匹配的能力，还需要认知推理的能力，因为用户未来的行为可能不是简单地由其与用户之前行为的相似性驱动的，而是由用户关于下一步做什么的认知推理过程。例如，如果用户之前购买过膝上型电脑，这不会导致用户将来购买

Neural Collaborative Filtering--神经协同过滤1 摘要这项工作的主要贡献如下2 准备工作2.1 学习隐性数据2.2矩阵分解3. 神经协同过滤3.1 通用框架3.1.1 NCF学习3.2 广义矩阵分解3.3 多层感知机（MLP）3.4 结合GMF和MLP3.5 预训练4. 实验4.1 实验设置4.2 性能比较(RQ1)4.2.1 预训练的作用4.3 对消极采样使用Log Loss(RQ2)4.4 Is Deep Learning Helpful? (RQ3)1 摘要近年来，深

Numpynumpy 安装numpy 的属性（ndim，shape，size）关键字（array，dtype，zeros，ones，empty，arrange）创建数组dtype()创建特定数据np.zeros()np.empty()np.arange()np.dot()sum(), min(), max()axisargmin() 和 argmax()np.mean&np.averagenp.cumsum()np.diff()np.nonzero()np.sort()矩阵的转置np.clip()n

CNN 卷积神经网络【1】导论【2】卷积运算什么是卷积？图像上的卷积【3】非线性激活ReLU激励层【4】pooling池化层【5】全连接层【6】神经网络的训练与优化【1】导论首先最需要明确的一点就是，卷积神经网络，也就是convolutional neural networks （简称CNN），现在已经被用来应用于各个领域，物体分割啦，风格转换啦，自动上色啦blahblah，但是！！CNN真正能做的，只是起到一个特征提取器的作用！所以这些应用，都是建立在CNN对图像进行特征提取的基础上进行的。我们先

神经网络1.简介（什么是神经网络）2.单层神经网络与多层神经网络2.1单层神经网络2.1.1如何将数据传入神经网络中（数据输入）2.2双层神经网络2.3多层神经网络3.激活函数4.前向传播5.*反向传播5.1构造误差函数5.2参数更新6.代码简单实现1.简介（什么是神经网络）神经网络是一门重要的机器学习技术。它是目前最为火热的研究方向–深度学习的基础。学习神经网络不仅可以让你掌握一门强大的机器学习方法，同时也可以更好地帮助你理解深度学习技术。人工神经网络（Artificial Neural Netwo

K-means算法（无监督算法 聚类算法）K-means基础算法简介1.算法过程1.1文字步骤1.2图形展示1.3参考视频1.4代码实现1.5小结K-means基础算法简介k-means算法是一种聚类算法，所谓聚类，即根据相似性原则，将具有较高相似度的数据对象划分至同一类簇，将具有较高相异度的数据对象划分至不同类簇。聚类与分类最大的区别在于，聚类过程为无监督过程，即待处理数据对象没有任何先验知识，而分类过程为有监督过程，即存在有先验知识的训练数据集。1.算法过程K-means中心思想：事先确定常数

K最邻近分类算法-KNN算法1.机器学习之算法基本分类1.1有监督学习（Supervised learning）1.2无监督学习1.3 半监督学习1.4强化学习2.KNN算法2.1KNN算法简介2.2算法原理思想2.3算法步骤2.3.1初始化训练集2.3.2 距离计算&寻找K个最邻近数据2.3.3.决策分类2.4 过程总结2.5 KNN算法优缺点3.实例&代码（python）1.机器学习之算法基本分类本篇学习KNN算法，属于有监督学习，其余分类可做了解1.1有监督学习（Supervis