个推教程--第八课--基于深度学习的排序模型wide and deep

基础的神经网络知识就跳过了

DNN只在基础特征上下点功夫，复杂特征学习交给NN即可，只是可解释性会差些，但效果很不错啊

k是t-1层神经元的个数，j为t层神经元的个数，a =f(z)，简单地说，t层的一个神经元就是t-1层神经元通过特征权重w和偏置量b确定的。这就是前向传播。激活函数f的作用就是把线性表达转换为非线性，增强模型表达能力，不然再多的隐层作用跟一层没有任何区别。

wide侧的特征如下

1、对于离散型特征，进行hash

2、对于连续型特征，离散化，以及再作交叉的特征

deep侧的特征

1、离散型特征：hash值的embedding

2、连续性特征：直接输入