- 博客(5)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 机器学习笔记1：线性回归
数据挖掘、人工智能等领域中存在两个:分类和回归。先说回归：一些简单的数学题，求解问题往往通过求解未知数，也就是 通过给定的自变量和函数，通过函数求解得到未知数。而机器学习是，通过给定的自变量和函数的解，去求解函数。即求解function（x）=y。通过样本中大量的特征（x）和目标变量（y）求得这个函数（function）。高等数学中说到，大多数函数都能找到一个近似的泰勒展开式，其实，机器学习，就是...
2018-02-25 21:38:43
375
原创 深度学习笔记1——深度学习概述
0.为什么学深度学习？现如今并不缺乏各种概念以及各种时髦新技术的词汇，而深度学习有什么不一样的地方？Andrew Ng（吴恩达）曾经用过的一个比喻。他把深度学习比喻成一个火箭。这个火箭有一个最重要的部分，就是它的引擎，目前来看在这个领域里面，引擎的核心就是神经网络。大家都知道，火箭除了引擎之外还需要有燃料，那么大数据其实就构成了整个火箭另外的重要组成部分——燃料。以往我们谈到大数据的时候，更多是强...
2018-02-09 15:29:51
555
原创 关于推荐系统的一些想法
如何有效的利用用户信息来提升推荐的精度和用户体验是一个尚待解决的问题大致可以总结下以后大的研究方向，有时间再进一步深挖！1 深度复合模型（Deep Composite Models）2 用户和物品的深度理解3 Temporal Dynamics4 Cross Domain Recommendation5 Multi-Task Learning
2017-06-24 21:17:46
241
原创 关于推荐算法的一些杂想
基于社交网络的上下文感知推荐算法上下文是重要的 ，社交网络是重要的，社交网络中的相信不同领域的朋友的不同子集是重要的。然而，新颖性只强调一个项目是未知的事实;它不考虑已知但意想不到的项目。偶然性引入了意外的概念和措施是多么令人惊讶的建议。情景也是重要的 现有的社会推荐方法主要考虑两类社会信息：信任和朋友偏好相似度。在这项工作中，我们引入社会信息的另一个维度，社会好奇心，并研究
2017-04-03 14:09:06
288
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人