1.任何信息都需要表现成矩阵形式, 才能被计算机处理
2.目前机器学习的核心技术是基于矩阵的优化技术:
输入:矩阵---待学习的信息
输出:模型---总结出的规则
3.log数据天然就是矩阵,每一行log是矩阵的一行,log中的每一项可以作为矩阵的一列
4.目前主流的机器学习技术:
输入:特征矩阵X,标注向量y
输出:模型向量w
期望:X.w尽可能接近y,有多种优化算法可以解w,区别在于如何定义“尽可能接近”
参考文献:
[1].百度计算广告学教程中的某个ppt
1.任何信息都需要表现成矩阵形式, 才能被计算机处理
2.目前机器学习的核心技术是基于矩阵的优化技术:
输入:矩阵---待学习的信息
输出:模型---总结出的规则
3.log数据天然就是矩阵,每一行log是矩阵的一行,log中的每一项可以作为矩阵的一列
4.目前主流的机器学习技术:
输入:特征矩阵X,标注向量y
输出:模型向量w
期望:X.w尽可能接近y,有多种优化算法可以解w,区别在于如何定义“尽可能接近”
参考文献:
[1].百度计算广告学教程中的某个ppt