- 博客(2)
- 收藏
- 关注
原创 《Wide & Deep Learning for Recommender Systems》
推荐系统:检索:机器学习模型+人工规则,根据Item特征和query生成候选集。 排序:wide&deep模型对候选集中的query-Item对进行打分排名。 排序模型:模型原理: wide:广义线性模型: 优点:简单、扩展性好、可解释性好。利用分类特征及其交叉特征可以很好的实现对共现特征对的记忆,挖掘历史信息中的相关特征或Item。 缺点:依赖大量的人工特征工程。要实现泛化需要通过更粗粒度
2017-12-13 21:25:10 266
原创 SQL
mysql (1)控制台单句执行 (2)sql文件执行 (3)navicat_mysqlpython 连接 mysqlhdfs+derby+spark.sql(.enableHiveSupport()) hdfs+mysql+spark.sql(.enableHiveSupport()) (1)spark.sql(‘………….’) 使用HIVEQL语句 (2)spark.datafram
2017-12-06 19:58:13 142
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