2017年12月_Danni_hgc

原创举例理解推荐算法GBDT

GBDT(Gradient Boosting Decision Tree) 又叫 MART（Multiple Additive Regression Tree)，是一种迭代的决策树算法，该算法由多棵决策树组成，所有树的结论累加起来做最终答案。它在被提出之初就和SVM一起被认为是泛化能力（generalization)较强的算法。近些年更因为被用于搜索排序的机器学习模型而引起大家关注。举个年龄预测问题

2017-12-27 16:56:27 5203

原创电影推荐算法实例代码

```# -*- coding=utf-8 -*-import mathimport sysfrom texttable import Texttable## 使用 |A&B|/sqrt(|A || B |)计算余弦距离###def calcCosDistSpe(user1,user2): avg_x=0.0 avg_y=0.0 for key in u

2017-12-27 16:31:31 4729 7

转载协同过滤推荐算法实例代码

什么是协同过滤协同过滤是利用集体智慧的一个典型方法。要理解什么是协同过滤 (Collaborative Filtering, 简称 CF)，首先想一个简单的问题，如果你现在想看个电影，但你不知道具体看哪部，你会怎么做？大部分的人会问问周围的朋友，看看最近有什么好看的电影推荐，而我们一般更倾向于从口味比较类似的朋友那里得到推荐。这就是协同过滤的核心思想。换句话说，就是借鉴和你相关人群的观点来进行推

2017-12-27 11:34:21 16560 5

原创什么是推荐算法和主要方法

在现今的推荐技术和算法中，最被大家广泛认可和采用的就是基于协同过滤的推荐方法。标题 ##1. 什么是推荐算法推荐算法最早在1992年就提出来了，但是火起来实际上是最近这些年的事情，因为互联网的爆发，有了更大的数据量可以供我们使用，推荐算法才有了很大的用武之地。最开始，所以我们在网上找资料，都是进yahoo，然后分门别类的点进去，找到你想要的东西，这是一个人工过程，到后来，我们用google，直接搜索

2017-12-27 11:16:15 5375

翻译全面理解ADMM算法

以下是长期研究ADMM（ Alternating Direction Method of Multipliers ）后对ADMM算法的一些总结，包括其他人观点：一、解决约束问题：ADMM( Alternating Direction Method of Multipliers) 算法是机器学习中比较广泛使用的约束问题最优化方法，它是ALM算法的一种延伸，只不过将无约束优化的部分用块坐标下降法（blo

2017-12-24 16:59:17 55576

翻译 Hadoop与Spark的区别

有以下四个不同：1. 解决问题的层面不一样Hadoop和Apache Spark两者都是大数据框架，但是各自存在的目的不尽相同。Hadoop实质上更多是一个分布式数据基础设施: 它将巨大的数据集分派到一个由普通计算机组成的集群中的多个节点进行存储，意味着您不需要购买和维护昂贵的服务器硬件。同时，Hadoop还会索引和跟踪这些数据，让大数据处理和分析效率达到前所未有的高度。Spark

2017-12-22 17:22:43 676

翻译什么是CVR，CTR,CPC，CPA，ROI?

CVR (Click Value Rate): 转化率，衡量CPA广告效果的指标CTR (Click Through Rate): 点击率CPC (Cost Per Click): 按点击计费CPA (Cost Per Action): 按成果数计费CPM (Cost Per Mille): 按千次展现计费PV (Page View): 流量ADPV (Advertisement Page View

2017-12-18 11:27:12 17567

转载 CTR预估的几种方式

1.CTR预估CTR预估是计算广告中最核心的算法之一，那么CTR预估是指什么呢？简单来说，CTR预估是对每次广告的点击情况做出预测，预测用户是点击还是不点击。具体定义可以参考 CTR. CTR预估和很多因素相关，比如历史点击率、广告位置、时间、用户等。CTR预估模型就是综合考虑各种因素、特征，在大量历史数据上训练得到的模型。CTR预估的训练样本一般从历史log、离线特征库获得。样本标签相对容易，用户

2017-12-11 20:46:55 24153

DanyHgc的博客