2014年10月_皮果提

11月 10月 08月 07月 06月 05月 04月 03月 02月 01月

原创 Factorization Machines 学习笔记（四）学习算法

最近学习了一种叫做 Factorization Machines（简称 FM）的通用算法，它可对任意的实值向量进行预测。其主要优点包括: 1) 可用于高度稀疏数据场景; 2) 具有线性的计算复杂度。本文将对 FM 框架进行简单介绍，并对其训练算法 — 随机梯度下降（SGD）法和交替最小二乘（ALS）法进行详细推导。

2014-10-28 10:22:34 36008 9

原创 Factorization Machines 学习笔记（二）模型方程

最近学习了一种叫做 Factorization Machines（简称 FM）的通用算法，它可对任意的实值向量进行预测。其主要优点包括: 1) 可用于高度稀疏数据场景; 2) 具有线性的计算复杂度。本文将对 FM 框架进行简单介绍，并对其训练算法 — 随机梯度下降（SGD）法和交替最小二乘（ALS）法进行详细推导。

2014-10-28 10:22:16 21661 7

原创 Factorization Machines 学习笔记（三）回归和分类

最近学习了一种叫做 Factorization Machines（简称 FM）的通用算法，它可对任意的实值向量进行预测。其主要优点包括: 1) 可用于高度稀疏数据场景; 2) 具有线性的计算复杂度。本文将对 FM 框架进行简单介绍，并对其训练算法 — 随机梯度下降（SGD）法和交替最小二乘（ALS）法进行详细推导。

2014-10-28 10:22:16 13194 1

原创 Factorization Machines 学习笔记（一）预测任务

最近学习了一种叫做 Factorization Machines（简称 FM）的通用算法，它可对任意的实值向量进行预测。其主要优点包括: 1) 可用于高度稀疏数据场景; 2) 具有线性的计算复杂度。本文将对 FM 框架进行简单介绍，并对其训练算法 — 随机梯度下降（SGD）法和交替最小二乘法（ALS）法进行详细推导。

2014-10-28 10:21:55 30868 2

逻辑回归详谈

本文档从数学上对逻辑回归做了一个详尽的分析，其中包括回归分析、最小二乘法、sigmoid 函数以及梯度下降等知识点的介绍。

2013-10-30

线性判别分析(LDA)入门

线性判别分析(LDA)的入门资料，给出了详细的推导过程。

2013-09-26

线性判别分析（LDA）浅析

关于线性判别分析（LDA）的一份详细介绍文档，主要介绍 LDA 的数学推导过程，以及其在分类和降维方面的相关细节。

2013-09-26

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人