- 博客(7)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 面试问题总结----GBDT&LightGBM&Xgboost
1.信息熵 信息增益 信息增益率 基尼系数在信号中每种信号出现的可能为pi (对应到最简单的二分类为 0 出现的可能为p0,1出现的可能为p1) 我们使用-log pi 来表示这种不确定性 ，那么对于所有信号的不确定性 很明显需要使用他们的期望来表示 即 -∑pilog(pi) 称为信息熵信息增益就是选取某一特征作为树模型的分裂条件之后 将原始数据分为若干部分 若干部分的信息熵之和相比...
2019-04-29 11:15:24
2125
原创 面试准备----深度学习
ResNet的网络结构以及 ResNet和之前的网络创新的地方ResNet为什么要使用小的卷积核反向传播的推导BN层以及DropOut层的作用
2019-04-19 12:09:30
356
1
原创 面试准备---- 交叉熵，相对熵（KL散度），softmax
1.信息熵在信源中有n个独立取值的信号，每种信号出现的可能性分布为 p1,p2 ,…pn,且各个符号的出现相互独立，那么整体信源的不确定性为单个符号不确定性的统计平均值（单个信号不确定性为 log(1/p)） 称为信息熵 即 H(U) =E[- log( p )]=-∑ pi log(pi),当所有 pi 取值均相等 即 1/N 时 信息熵取到最大值上图可见 当一件事情发生的概率越大的时候...
2019-04-18 18:46:31
821
原创 面试总结------SVM
SVM基本思想SVM解决的是一个二分类问题 ，在特征空间中寻找一个最优的超平面 将样本能够正确分开 同时使得样本点到该超平面的距离最大函数间隔与几何间隔给定数据集T和超平面 w,b 函数间隔可以表示为 yi(wxi+b) 函数间隔可以表示分类的准确性和确信度 但是成比例更改w，和b不会导致分类面变化 却会导致函数间隔变化 因此需要对函数间隔增加约束 通过规范化函数间隔||w|| =1...
2019-04-16 15:00:12
222
原创 CTR预估系列文章------NFFM
文章目录NFFM文章解读与源码分析NFFM文章解读NFFM文章解读与源码分析NFFM文章解读首先 将用户特征，媒体特征，上下文特征等全部转化为特征向量，如下所示：X=[x1,x2,… xn]其中xi表示第i个特征组（类似于FFM中field 的概念） 如果第i个特征是category特征 则xi 代表该category特征进行one-hot之后的特征，如果该特征是数值特征，则xi 等于...
2019-04-15 21:07:25
4127
原创 面试准备------笔试中的算法题
数组中有n个正整数，每次可以选择其中一个数进行乘2或者除以2的操作（对于奇数除以2取其整数部分），求使得数组中的n个数变成相同的数的最小操作次数样例：2,4,8 输出 2（对2进行乘2操作，对8进行除以2操作）3,7,14 输出3 （对7进行除以2操作，对14进行两次除以2操作）2,3,7 输出4 (对2进行除以2操作，对3进行除以2操作，对7进行两次除以2操作)题解：该...
2019-04-14 23:07:48
396
原创 面试算法总结------动态规划
动态规划动态规划中最重要的两点就是 1.确定状态的定义，即将一个问题准确的定义为某一个状态方程 2.确定状态转移方程的定义 即将上述定义的状态方程与其之前的状态进行关联 3.将状态转移过程中的中间变量进行保存 避免多次重复运算1. 0,1背包问题给定一个容量为C的背包，给定需要在背包中装填的物体的质量 w，以及物体的价值v ，使得装填的物体在不超过背包容积的情况下 得到的物体价值最大0...
2019-04-11 15:40:57
666
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人