- 博客(6)
- 收藏
- 关注
RSS订阅原创 如何通俗易懂地解释卷积？
对卷积的困惑教科书上一般定义函数 f, g 的卷积 f * g(n) 如下：连续形式：离散形式：并且也解释了，先对g函数进行翻转，相当于在数轴上把g函数从右边褶到左边去，也就是卷积的“卷”的由来。然后再把g函数平移到n，在这个位置对两个函数的对应点相乘，然后相加，这个过程是卷积的“积”的过程。这个只是从计算的方式上对公式进行了解释，从数学上讲无可挑剔，但进一步追问，为什么要先翻转再平移...
2019-10-17 16:41:27
1156
1
原创 Linux基础知识和命令，Linux学习记录一
当前linux系统发行版为Red hat系的Centos7linux命令切换为root 用户sudo su退出root用户：exit或者ctrl+D获取当前用户名：whoami获取当前主机名：hostname命令行提示符可自行配置，以后再提...
2019-10-11 21:12:45
299
原创 商品推荐方案讨论、E&&E算法以及deep learning如何作用于推荐系统中的排序
经常用于冷启动的bandit算法推荐系统和计算广告中经常会碰到某些长尾广告或长尾item从来没有机会或者很少机会的展示，导致CTR预估非常不准，需要探索性地创造机会给它们一定的展示量，但又不能带来太大的损失。这种问题一般称作Explore and Exploit问题。在学术界经常把它描述成为一个多臂赌博机问题(multi-armed bandit problem, MAB)，若干...
2019-10-11 00:16:37
590
原创 推荐系统学习记录二 ——用户特征和Item特征的常用方法
item 特征item一般是指一个需要打分的个体，搜索中，是等待被搜索的个体；推荐中，是等待背推荐的个体。但是实际的业务中，往往不是这么简单。在item中，我们都用过什么特征？item的类别item的统计类特征在统计类特征中，不是只有sum，ratio，average等这样的特征，有的时候我们也会用到平滑，例如在广告推荐中，A广告投放了10次，被点击1次，B广告投放了1000次，被点击了...
2019-10-10 10:52:14
2671
原创 推荐系统学习记录一
推荐的目的是啥:推荐能给公司带来什么：target： 带来点击（1,0），点击1，未点击0 y=model(user,item,context) 做推荐，一个基本点，货找人。 货：pgc， ugc user：喜好，兴趣，标签 context：地点，ip，时间模型：使用监督模型：LR，GBDT, XGB, DNN, FM,FFM,...
2019-10-08 10:42:25
300
原创 centos7 yum 更换阿里源
#centos7 yum 更换阿里源#一键脚本yum install -y wgetwget -O /etc/yum.repos.d/CentOS-Base.repo http://mirrors.aliyun.com/repo/Centos-7.repoyum install -y epel-releaseyum clean allyum makecache备份mv /etc/y...
2019-10-02 20:51:32
406
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