- 博客(5)
- 收藏
- 关注
RSS订阅原创 推荐系统-task5
GBDT+LR1. GBDT + LR 是什么2. GBDT + LR 用在哪3. GBDT + LR 的结构3.1 得到二分类器3.2 构造新数据3.3 逻辑回归分类4. 逻辑回归模型5.GBDT模型6.GBDT+LR模型7.编程实践1. GBDT + LR 是什么本质上GBDT+LR是一种具有stacking思想的二分类器模型，所以可以用来解决二分类问题。这个方法出自于Facebook 2014年的论文Practical Lessons from Predicting Clicks on Ads
2020-10-30 23:10:26
176
原创 推荐系统-task5
Wide&Deep1.背景2. Wide & Deep模型的“记忆能力”与“泛化能力”3. 操作流程4.代码参考1.背景Wide and deep 模型是 TensorFlow 在 2016 年 6 月左右发布的一类用于分类和回归的模型，并应用到了 Google Play 的应用推荐中。wide and deep 模型的核心思想是结合线性模型的记忆能力（memorization）和 DNN 模型的泛化能力（generalization），在训练过程中同时优化 2 个模型的参数，从而达到整
2020-10-27 22:00:05
95
原创 推荐系统-task3
矩阵分解1.定义1.1 隐语义模型与矩阵分解1.2 隐语义模型2.编程实现1.定义1.1 隐语义模型与矩阵分解从协同过滤中衍生出矩阵分解模型(Matrix Factorization,MF)或者叫隐语义模型, 矩阵分解模型使用更稠密的隐向量表示用户和物品， 挖掘用户和物品的隐含兴趣和隐含特征， 在一定程度上弥补协同过滤模型处理稀疏矩阵能力不足的问题。1.2 隐语义模型隐语义模型最早在文本领域被提出，用于找到文本的隐含语义。在2006年， 被用于推荐中， 它的核心思想是通过隐含特征（latent
2020-10-25 21:59:36
829
原创 推荐系统-task2
协调过滤1.协同过滤思想简介2.协同过滤算法3. 相似性度量方法3.1. 杰卡德(Jaccard)相似系数3.2 余弦相似度3.3 皮尔逊相关系数4. 协同过滤算法4.1 人以群分-基于用户的相似推荐4.1.1 UserCF算法步骤4.1.2 UserCF编程实现4.1.3 UserCF优缺点4.2 物以类聚-基于目标物的相似推荐4.2.1 ItemCF算法步骤4.2.2 ItemCF具体实现5.UserCF与ItemCF适用场景6. 模型评价6.1 常用评价指标6.2 各评价指标适应情况7.协同算法优缺
2020-10-22 23:14:24
203
原创 推荐系统-task1
推荐系统概论本次课程是由Datawhale推荐系统小组内部成员共同完成，针对推荐系统小白的一入门课程。时间从10月19日到10月30日，共五个打卡。本次打卡是第一次打卡，主要高屋建瓴谈推荐系统的一些概念。1.概念1.1 什么是推荐系统定义：推荐系统是指，在用户需求并不十分明确的情况下进行信息的过滤,推荐其可能喜欢的内容的一种系统。比如大家都知道的淘宝的推荐，基于你之前的购物信息，推荐一些你可能会购买的商品的内容，还有短视频推荐，音乐每日推荐等类似系统。作用：平台能够最大限度地吸引用户,留存用户,
2020-10-19 23:23:19
199
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