Jnchin的博客

因子分解机(Factorization Machine, FM, 2010年)是由Steffen Rendle提出的一种基于矩阵分解的机器学习算法。最大的特点是易于整合交叉特征、可以处理高度稀疏数据，主要应用在推荐系统及广告CTR预估等领域。数理推导FM的原始的模型方程为：y^(x):=w0+∑i=1nwixi+∑i=1n∑j=i+1n⟨vi,vj⟩xixj\hat{y}(x):=w_0+\sum^n_{i=1}w_ix_i+\sum^n_{i=1}\sum^n_{j=i+1}\left \lang

看loss调参train loss与test loss结果分析train loss 不断下降，test loss不断下降，说明网络仍在学习;train loss 不断下降，test loss趋于不变，说明网络过拟合;train loss 趋于不变，test loss不断下降，说明数据集100%有问题;train loss 趋于不变，test loss趋于不变，说明学习遇到瓶颈，需要减小学习率或批量数目;train loss 不断上升，test loss不断上升，说明网络结构设计不当，

感知机原理这篇博客写的很棒：https://www.cnblogs.com/huangyc/p/9706575.html读完《统计学习方法》和这篇博客后，作为入门者来说，我脑袋里有两大疑惑：一个是感知机地收敛定理证明，这个没看懂，不过这个也不影响我继续阅读。另一个就是对偶了，对偶是个啥东西？为什么要用对偶形式？对偶是什么？对偶思想是一种怎样的思想？“对偶”是一种怎样的思想在知乎上我找到了一个通俗易懂的回答：我觉得就是转化，这个问题的最小化不好求，那么就转化为另一个问题的最大化（这两个问题存在某

1、快速书写数学符号： 打开如下网址：http://latex.codecogs.com/eqneditor/editor.php，是一个在线LaTex公式编辑器，借助它可以方便的编辑数学符号。 2、数学公式中的空格