maokunnn的博客

1.TF:词频，IDF:逆文本概率。存在的文本个数越多，值越小。 用户量改成pv？2.IDF计算：IDF(x)=log(N/N(x)),N为文本总数，N(x)为包含x的文本数 未出现的话，N(x)=0 ----》IDF(x)=log(N/(N(x)+1)工具调研：1）结巴分词 ok。同时可以进行关键词提取2）nlpc-wordrank：Term重要性和主干分析。Term重要性对组成que...

在大数据时代，机器要学会从比特流中解读用户，构建用户画像就变得尤其重要。本文介绍了用户画像的理论和实践，以及在实际中的应用。如何根据用户画像进行精准营销？将用户画像应用于个性化推荐？一起来寻找答案吧~首先看一下大数据与应用画像的关系，现在大数据是炙手可热，相信大家对大数据的四个V都非常了解，大数据应该说是 信息技术的自然延伸，意味着无所不在的数据。我们先看下数据地位发生转变的历史，在传统的IT...

1.集成学习概念在有监督学习过程中，我们希望训练得到一个各方面表现都很好的“稳定”的模型。但实际训练过程中，我们常常训练得到的是在某个方面表现较好的模型，这样的模型可以训练出很多，他们的擅长的方面也不完全一样。这时候我们就会想要通过“模型组合”或者叫“模型融合”的方式来获得更好更稳定的模型。这个过程也叫集成学习。集成学习是通过多个“基学习器”也叫“个体学习器”的不同组合算法，获得更优泛化性能更...

今天学习写scala，拿xgboost试一下～先记一下xgboost调参要点：7.xgboost中比较重要的参数介绍（1）objective [ default=reg:linear ] 定义学习任务及相应的学习目标，可选的目标函数如下：“reg:linear” –线性回归。“reg:logistic” –逻辑回归。“binary:logistic” –二分类的逻辑回归问题，输出为概...

http://www.zhuanzhi.ai/topic/2001990892850700/awesome

威尔逊得分排序算法，Wilson Score，用于质量排序，数据含有好评和差评，综合考虑评论数与好评率，得分越高，质量越高。源码参考：https://github.com/SpikeKing/MachineLearningTutorial/blob/master/wilson_score/wilson_score_model.pyWilson Scoreu表示正例数（好评），v表示负例数（...