wudaoshihun的博客

1.1   什么是用户画像？用户画像通常包含定性画像与定量画像；定性画像是描述用户的基本属性、行为刻画、兴趣模型等，定量画像主要包括用户基础变量、兴趣偏好等可量化的数据特征。一般情况，定量画像主要通过...

根据现有的能力设计一个模型，如果大家有更优的办法，欢迎指正与交流。本设计是建立在已有用户中心系统的基础上，各个系统账号统一，并且也是针对hbase数据库的一个设计（若没有统一账号，建议先统一各个系统账号，想一步到位，也不是不可，需要花费的代价……） 根据推荐引擎业务来说明。用户行为采集。离线job清洗转化行为数据推荐计算（此处包含较多，不单独介绍，后续有时间会整理出来其架构及实施方案）实时读取历史...

现在IT界人工智能、深度学习、机器学习很火，都能说出个123来，但真正知道他们的关系的我想只有真正去我们先来看下深度学习是个什么东东。他和人工智能，神经网络有什么关系？l  深度神经网络是一种具备至少一个隐层的神经网络。深度神经网络通常都是前馈神经网络。l  前馈型神经网络我们在之前章节也提到过，特征是至少有一个隐层。也就是说，多层前馈神经网络都是深度神经网络，但深度神经网络不一定是多层前馈神经网...

在求解机器学习算法的模型参数，即无约束优化问题时，梯度下降（Gradient Descent）是最常采用的方法之一，另一种常用的方法是最小二乘法。这里就对梯度下降法做一个完整的总结。1. 梯度　　　　在微积分里面，对多元函数的参数求∂偏导数，把求得的各个参数的偏导数以向量的形式写出来，就是梯度。比如函数f(x,y), 分别对x,y求偏导数，求得的梯度向量就是(∂f/∂x, ∂f/∂y)T,简称gr...

1概述写神经网络与深度学习方面的一些知识，是一直想做的事情。但本人比较懒惰，有点时间想玩点游戏呀什么的，一直拖到现在。也由于现在已经快当爸了，心也沉了下来，才能去梳理一些东西。本文会深入检出的去看神经网络与深度学习的一些知识，包含一些算法、基础等，比较适合初学者。文笔有限，有些不好理解的地方会配图及实例。本文主要使用neuroph做实例进行讲解去理解机器学习相关，为什么会...

1.1   Neuroph如果你是神经网络的初学者，你只是想尝试一下他们如何工作而不需要复杂的理论和实施，或者你需要他们快速的为你的研究项目，neuroph是很好的选择。它是小型的，文档化的，易于使用，并且非常灵活的神经网络框架.1.1.1 下载2.9版本下载地址：https://sourceforge.net/projects/neuroph/files/neuroph2.94/neuroph-...

1.1常用传递函数 函数名称 映射关系 缩写 说明 阶梯函数 n<=0; a=0 n>0; a=1 step 大于0，输出1 符号函数 n<0; a=-1...

压缩感知（压缩传感，Compressive Sensing）理论是近年来信号处理领域诞生的一种新的信号处理理论，由D. Donoho(美国科学院院士)、E. Candes(Ridgelet, Curvelet创始人)及华裔科学家T. Tao(2006年菲尔兹奖获得者)等人提出，自诞生之日起便极大地吸引了相关研究人员的关注。网站http://dsp.rice.edu/cs上可以获取大量相关的论文。 ...