AI
deepLearning NLP
Xい
这是最好的时代
展开
-
数据挖掘第三版(部分)题
第三章:1、解:用皮尔逊相关系数判断X,Y是否相关,计算如下:3.3解:(a)将数据划分为深度为3的等频的箱:Bin1:13,15,16 Bin2:16,19,20 Bin3:20,21,22Bin4:22,25,25 Bin5:25,25,30 Bin6:33,33,35Bin7:35,35,35 Bin8:36,40,45 Bin9:46,52,70用箱均值光滑:Bin1:44/3,44/3,44/3 Bin2:55/3,55/3,55/3Bin3:原创 2020-06-30 12:38:21 · 1775 阅读 · 0 评论 -
AI-矩阵分解和梯度下降
一、矩阵分解1、AI=算法(经典+人工智能)+算力(巨型机可实现)+数据2、推荐系统是协同过滤算法的典型应用场景,可用于对未评分物品进行评分的预测;矩阵分解是基础。3、矩阵分解的过程中,原始的评分矩阵可以近似表示为 P(m,K)和Q(K,n)的乘积,并且矩阵的预测值可以表示为4、预测值可近似为真实值,求出矩阵P和Q即可,使用构造损失函数的方法:(1)损失函数(loss):评分矩阵真实值与预测值差的平方;(2)保证构造的损失函数值越来越小。5、Python代码如下:二、梯度下降1翻译 2020-12-16 23:50:36 · 599 阅读 · 0 评论