xiaozhaoshigedasb的博客

pip下载报错：pip下载命令如下：sudo pip3 install keras-bert -i https://pypi.tuna.tsinghua.edu.cn/simple/报错内容：pip._vendor.urllib3.exceptions.SSLError: [SSL: DECRYPTION_FAILED_OR_BAD_RECORD_MAC] decryption failed or bad record mac (_ssl.c:2629)解决思路：默认超时时间15s，可加

召回层一般都没用到标签信息的，一些简单召回使用的信息非常有限，即使用有监督训练得到的向量，也无法包含context的信息。一般情况，召回大都是协同过滤：物品基于用户互动行为所产生的相似性（Item based，user base同理）。那如果两个物品在这种行为上的相似性是相近的，就无法区分其推荐评分的高低了。召回主要作用还是大范围的减小候选集，使得后续的精排算法在计算压力上减轻很多，就获取信息能力而言，CF还是有其局限性。排序就比较多了。context信息，包括单特征的交叉信息（LR没法自动做交叉，需要手

深度长文 | 从FM推演各深度CTR预估模型（附开源代码）深度学习在CTR预估中的应用

综述　　在计算广告中，CTR是非常重要的一环。对于特征组合来说，业界通用的做法主要有两大类：FM系列和Tree系列。这里我们来介绍一下FM系列。　　在传统的线性模型中，每个特征都是独立的，如果需要考虑特征与特征之间的相互作用，可能需要人工对特征进行交叉组合。非线性SVM可以对特征进行核变换，但是在特征高度稀疏的情况下，并不能很好的进行学习。现在有很多分解模型可以学习到特征之间的交互隐藏关系，基本上每个模型都只适用于特定的输入和场景。推荐系统是一个高度系数的数据场景，由此产生了FM系列算法。　　本文主要

Q：无监督学习和有监督学习定义和区别A：有监督学习：提供数据并提供数据对应结果的机器学习过程。追要包括分类和回归。无监督学习：提供数据但是不提供数据对应结果的机器学习过程。主要应用在统计学中的密度估计和聚类分析。Q：K-means的聚类过程A：step1：首先选择k个类别的中心点step2：对任意一个样本，求其到各类中心的距离，将该样本归到距离最短的中心所在的类step3：聚好类后，重新计算每个聚类的中心点位置step4：重复2,3步骤迭代，直到k个类中心点的位置不变，或者达到一定的迭代次数

一、基本概念1 特征（feature） 数据的特征。举例：书的内容2 标签（label） 数据的标签。举例：书属于的类别...

  什么是支持向量机——线性分类器给定一些数据点，它们分别属于两个不同的类，现在要找到一个线性分类器把这些数据分成两类。如果用x表示数据点，用y表示类别（y可以取1或者-1，分别代表两个不同的类），一个线性分类器的学习目标便是要在n维的数据空间中找到一个超平面（hyper plane），这个超平面的方程可以表示为（ wT中的T代表转置）：首先我们看看逻辑回归的内容：Lo...

协同过滤推荐系统在我们的日常生活之中无处不在，例如，在电子商城购物，系统会根据用户的记录或者其他的信息来推荐相应的产品给客户，是一种智能的生活方式。之所以交协同过滤，是因为在实现过滤推荐的时候是根据其他人的行为来做预测的，基于相似用户的喜好来实现用户的喜好预测。简要介绍：       &n...

一.推荐系统概述    随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代走入了信息过载的时代。对于信息的消费者来说， 从大量信息中找到自己感兴趣的信息是一件很困难的事情；对于信息生产者来说，让自己的信息从大量的信息中脱颖而出也是一件很困难的事情。    解决这一问题，代表性的思路有如下三种：1

机器学习中，在对数据进行训练之前，都会对数据进行预处理，也就是特征提取，个人认为特征提取是训练模型中非常非常重要的一步！在回归，分类，聚类等机器学习算法中，特征之间距离的计算或相似度的计算是非常重要的，而我们常用的距离或相似度的计算都是在欧式空间的相似度计算，计算余弦相似性，基于的就是欧式空间。将离散型特征使用one-hot编码，确实会让特征之间的距离计算更加合理。比如，有一个离散型特征，代表...

tensorflow实现线性回归# coding=utf-8# By author MZimport tensorflow as tffrom sklearn.datasets import load_bostonimport numpy as np###警告:Your CPU supports instructions that this TensorFlow binary was...

线性回归和逻辑回归线性：y=a*x 是一次方的变化回归：回归到平均值线性回归用作回归预测逻辑回归用作二分类，也可以做多分类从数据上来讲，线性回归的样本的输出，都是连续值，而逻辑回归中y只能取0或者1。...