fighting233的博客

FM模型（隐向量特征交叉） 使用内积代替了单一的权重系数。二次项的复杂度为kn，k为隐向量的维度。 FM的核心在于特征组合，以此来减少人工参与特征组合工作。对于FM，其优势有三点：1、FM能处理数据高度稀疏的场景，SVM则不能。 2、FM具有线性时间复杂度，而SVM依赖于support vector。 3、FM能够在任意的实数特征向量中生效。 FFM模型（引入了特征域） 二次项的复杂度为kn^2， ...

深度学习 无约束优化问题的优化方法有哪些？ 1、直接法 2、迭代法 2.1 一阶法（梯度下降法） 2.2 二阶法（牛顿法） L1正则化使得模型参数具有稀疏性（0比较多）的原理是什么？ 强化学习 1、强化学习和监督学习以及非监督学习的区别 监督学习是使用已经标记好的数据样本，做训练来预测新的数据的类型（分类）或者值（回归） ...