mathlxj的博客

GAUC (group auc)实际上是计算每个用户的auc，然后加权平均，最后得到group auc，这样能减少不同用户间的排序结果不好比较这一影响。具体公式为GAUC∑up​ωup​∑up​ωup​×AUCup​​这里，权重ωup​可以是每个用户view或者click的次数，而且会正样本或负样本的情况。

蚂蚁集团2025届暑期实习开始啦～欢迎大家投递信贷事业群-风险管理部的算法岗，找我内推哦～社招也有hc，欢迎大家沟通！

加速训练。之前训练慢是因为在训练过程中，整体分布逐渐往非线性函数的取值区间的上下限端靠近(参考sigmoid函数，大的正值或负值)，链式求导导致低层的神经网络梯度消失。BN就是将越来越偏的分布强行拉回(标准)正态分布,使得激活值落在非线性函数对输入比较敏感的区域，这样输入小的变化就会导致损失函数较大变化，让梯度变大，避免梯度消失问题。γ和β?如果强行归一化为标准正态分布，则之前该层学习到的分布也丢失信息。引入这两个重构参数，来使得我们的网络中可以学习出原始网络要学习的特征分布.yVarx。

根本区别在于是否计算了联合分布PXY和是否比较了模型输出的概率大小.

包括BN层、卷积层、池化层、交叉熵、随机梯度下降法、非极大抑制、k均值聚类等秋招常见的代码实现。

华为秋招机试真题

marker符号描述英文描述"."点point","像素pixel"o"圈circle"v"下三角triangle_down"^"上三角triangle_up"<"左三角triangle_left"<"右三角triangle_right"1"tri_down"2"tri_up"3"tri_left"4"tri_right"8"八边形oc

基本的颜色颜色样式表

【代码】LaTex定界符。

【代码】LaTex箭头符号。

包括帽子符号、波浪符号等。

包括LaTex求和、求连乘、积分符号等。

LaTex函数符号

符号LaTex符号LaTex符号LaTex符号LaTex≤\leq≤\leq≥\geq≥\geq⪰\succeq⪰\succeq≺\prec≺\prec⪯\preceq⪯\preceq≻\succ≻\succ≫\gg≫\gg≪\ll≪\ll⊃\supset⊃\supset⊇\supseteq⊇\supseteq⊂\subset⊂\subset⊆\subseteq⊆\subseteq∋
i∋
i∈\in∈\i

【代码】LaTex之二元运算符号大全。

【代码】LaTex希腊字母大全。

基本用法，公式编号a+b=b+aa×b=b×a\begin{gather}a+b = b+a \\a\times b = b \times a\end{gather}a+b=b+aa×b=b×a​​可以使用不编号a+b=b+aa×b=b×a\begin{gather*}a+b = b+a \\a\times b = b \times a\end{gather*}a+b=b+aa×b=b×a​或者在前用命令阻止指定的行不编号，a+b=b+aa×b=b×aa−b=−b+a\beg

定理类环境是LaTex中的一类重要的文本环境，它可以产生一个标题、编号和特定格式的文本。新的环境允许带有可选参数表示定理的小标题，如下。命令可以在最后使用一个可选的计算器参数。让不同的定理类环境使用相同的环境。以上命令定义类一个名为。环境，效果是输出标题为。用来表示定理编号是。的下一级编号，并会随。

在很多数值计算的库中，都采用了此类方法保持数值稳定.

但是对特征本身来说的话，假设只有一个特征，在不考虑采样的情况下，你现在将它重复100遍。训练以后完以后，数据还是这么多，但是这个特征本身重复了100遍，实质上将原来的特征分成了100份，每一个特征都是原来特征权重值的百分之一。如果在随机采样的情况下，其实训练收敛完以后，还是可以认为这100个特征和原来那一个特征扮演的效果一样，只是可能中间很多特征的值正负相消了。一般和平方损失函数（最小二乘法）拿来比较，因为线性回归用的就是平方损失函数，原因就是平方损失函数加上sigmoid的函数将会是一个。