2017年06月_zhiyong_will

10月 09月 08月 07月 06月 05月 04月 03月 02月 01月

原创机器学习算法实现解析——libFM之libFM的训练过程之Adaptive Regularization

本节主要介绍的是libFM源码分析的第五部分之二——libFM的训练过程之Adaptive Regularization的方法。5.3、Adaptive Regularization的训练方法5.3.1、SGD的优劣在“机器学习算法实现解析——libFM之libFM的训练过程之SGD的方法”中已经介绍了基于SGD的FM模型的训练方法，SGD的方法的最大优点是其训练过程很简单，只需在计算的过程中求解损

2017-06-16 20:00:21 3596 1

原创机器学习算法实现解析——libFM之libFM的训练过程之SGD的方法

本节主要介绍的是libFM源码分析的第五部分之一——libFM的训练过程之SGD的方法。5.1、基于梯度的模型训练方法在libFM中，提供了两大类的模型训练方法，一类是基于梯度的训练方法，另一类是基于MCMC的模型训练方法。对于基于梯度的训练方法，其类为fm_learn_sgd类，其父类为fm_learn类，主要关系为： fm_learn_sgd类是所有基于梯度的训练方法的父类，其具体的代码如

2017-06-15 18:56:28 6838 3

原创机器学习算法实现解析——libFM之libFM的模型处理部分

本节主要介绍的是libFM源码分析的第三部分——libFM的模型处理。3.1、libFM中FM模型的定义libFM模型的定义过程中主要包括模型中参数的设置及其初始化，利用模型对样本进行预测。在libFM中，首先定义FM模型，在fm_model类中实现对FM模型的定义，fm_model类在“\libfm-1.42.src\src\fm_core\fm_model.h”中。在定义fm_model类之前，

2017-06-13 19:27:15 6650 4

在线顺序极限学习机OS-ELM的python实现

与博文（http://blog.csdn.net/google19890102/article/details/45273309）配套的实验

2015-04-25

线性回归实验数据

与我的博客内容同步http://blog.csdn.net/google19890102

2014-05-22

logistic回归测试数据

与我的博客配套，具体参照我的博客文章简单易学的机器学习算法——Logistic回归

2014-05-12

达内java学习笔记-总最全

java学学习必备面向对象主要针对面向过程。面向过程的基本单元是函数。什么是对象：EVERYTHING IS OBJECT（万物皆对象）所有的事物都有两个方面：有什么（属性）：用来描述对象。能够做什么（方法）：告诉外界对象有那些功能。后者以前者为基础。大的对象的属性也可以是一个对象。为什么要使用面向对象：首先，面向对象符合人类看待事物的一般规律。对象的方法的实现细节是屏蔽的，只有对象方法的实现者了解细节。方法的定义非常重要。方法有参数，也可能有返回值。注意区分：对象（本身）、对象的实现者、对象的调用者。分析对象主要从方法开始。我们通过类来看待对象，类是对象的抽象。其次，采用面向对象方法可以使系统各部分各司其职、各尽所能。

2011-01-24

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 机器学习算法实现解析——libFM之libFM的训练过程之Adaptive Regularization

原创 机器学习算法实现解析——libFM之libFM的训练过程之SGD的方法

原创 机器学习算法实现解析——libFM之libFM的模型处理部分