- 博客(10)
- 收藏
- 关注
转载 random.choice函数
关于random.choice(),生成指定size的随机数,如果需要每一次产生的随机数相同,则需要设置随机数种子,random.seed(int).网上关于random.choice()方面的介绍很多,但是如果在函数内部添加一个概率P的情况下,又会生成怎样的一组随机数呢,网上的介绍少之又少,根据本人的实验过程探究,得出以下假设,供大家参考,当然如果您发现其中有误,十分欢迎留言,一起...
2018-01-12 09:48:00
2362
转载 Rating prediction and Ranking prediction
在推荐系统中,主要有两种效果的评价方式,一种是Rating prediction,另外一种是Ranking prediction,以下就是两者之间的一些差别:Rating Prediction:所用的评价指标主要是MSE(Mean Square Error), RMSE(Root Mean Square Error);Ranking Prediction:常用的指标主要是Pr...
2018-01-10 17:51:00
793
转载 Dev-c++在windows环境下无法debug(调试)的解决方案
如标题所见,在官网上下载的最新版本的Dev-C++居然无法调试,这是何等烦人,有些时候我们为了更加了解一下代码中递归部分的变化情况,debug功能举足轻重。在本人的windows环境下一debug(F5),dev-c++就立马跳出个程序遇到错误的提示,然后关闭程序,但是本人想了想:是不是本人代码功力太菜,是代码导致软件崩溃呢?最后尝试着写了个"Hello-World!",依然是在...
2017-11-30 10:51:00
1146
转载 机器学习正则化参数的学习(l_0/l_1/l_2范数等)
特此申明:本博客引用链接:机器学习中的范数规则化之(一)L0、L1与L2范数 我们都知道在优化问题上,我们除了需要最小化训练误差,例如通过square loss,log loss,exp loss等,我们还需要同事兼顾模型的泛化性能,因此我们需要通过添加正则项来进行提高模型的泛化性能,同时添加上的正则项也能够帮助我们来减少测试上的误差,从而提高推荐上的效果(precision...
2017-11-24 11:03:00
177
转载 强化学习入门到深入理解
http://www.cnblogs.com/mo-wang/p/4910855.html转载于:https://www.cnblogs.com/liuji/p/7857362.html
2017-11-18 17:05:00
146
转载 pycharm 导入tensorflow包显示"no module"问题
本人win7,安装的是cpu版本的tensorflow,在cmd确认安装成功并且测试成功后,转到pycharm测试tensorflow的效果时,发现遇到“no module”问题,解决办法是:在pycharm内:File->setting->project interpreter内将project interpreter修改为local的python.exe即可。导致...
2017-10-08 11:12:00
750
转载 机器学习中的范数规则化之(二)核范数与规则项参数选择
http://blog.csdn.net/zouxy09/article/details/24972869转载于:https://www.cnblogs.com/liuji/p/7594000.html
2017-09-25 21:13:00
53
转载 机器学习中的范数规则化之(一)L0、L1与L2范数
http://blog.csdn.net/zouxy09/article/details/24971995转载于:https://www.cnblogs.com/liuji/p/7593765.html
2017-09-25 20:23:00
87
转载 Collaborative and One-Class Collaborate Filtering的概念以及区别
在经典的推荐算法中,协同过滤推荐应该是占有很重要的一部分,在论文“One-Class Collaborative Filtering“(链接:https://pdfs.semanticscholar.org/7d54/15874e0f8b8f9eda49187a9030ce6bca41b1.pdf)”介绍到协同推荐(Collaborate filtering)为:The collab...
2017-09-21 20:42:00
579
转载 MDS(Multiple Dimensional Scalling)算法
MDS算法伪代码如下所示:问题描述:如果知道美国若干个城市之间的距离,如何通过这些距离来刻画若干个城市之间的相对位置情况呢?MDS算法是一种将多维的问题进行降低维度,以简化问题复杂度使得在有效时间内解决问题的方法。解决问题的思路:原来距离矩阵的得到需要通过步骤X->B->D;现如今需要通过D->B->X'的方法来得到一个低维度的X‘.算法描述:...
2017-09-18 20:19:00
439
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人