
模型融合
一条水里的鱼
这个作者很懒,什么都没留下…
展开
-
召回侧对齐精排的多目标打分融合
a、乘法融合 (u1*i1+1)*(u2*i2+1)=u1*u1T+u2*u2T+u1+u2(待推导)维度扩大 d2+d+d。缺点1:要保证各目标召回的item要有足够多的重合的item。a.多目标embeding concat在一起。b.一侧多目标,也可把embeding 相加。目标1:topk item 及对应得分。目标2:topk item 及对应得分。工程侧选择重合的item 进行打分融合。b、faiss之后融合。原创 2022-09-28 17:57:27 · 512 阅读 · 0 评论 -
stacking原理
1. stacking原理这里以2层stacking为例进行介绍 假设有3个基模型M1,M2, M3, 数据集: D={(x1→,y1),(x2→,y2),...,(xn→,yn)}D={(x1→,y1),(x2→,y2),...,(xn→,yn)}划分数据集 第一层模型训练 为了防止过拟合,第一层采用k折验证得到第二层的输入,上图所示是五折交叉验证生成新的特征的过程,将训练集...转载 2018-09-14 11:54:57 · 2184 阅读 · 3 评论