- 博客(6)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 冷启动推荐的一般性建模流程
冷启动推荐旨在解决当系统中出现新用户或新产品时如何进行推荐的问题，相比于热启动用户或产品，冷启动用户或产品缺少用户-产品交互数据，因此用传统的热启动推荐方法往往不能解决这类问题。当前的冷启动推荐建模的主要思路是：通过学习映射函数将用户或产品的辅助信息表示转换为协同过滤表示。冷启动算法建模的示意图如下：注：图片取自Recommendation for New Users and New Items via Randomized Training and Mixture-of-Experts Trans
2020-09-23 15:14:01
1132
原创 论文阅读笔记：A Closer Look at Few-shot Classification
论文：A Closer Look at Few-shot Classification / 近距离观察小样本分类问题作者：Wei-Yu Chen，Y en-Cheng Liu & Zsolt Kira，Yu-Chiang Frank Wang，Jia-Bin Huang发表刊物：ICLR发表年度：2019下载地址：https://arxiv.org/pdf/1904.04232.pdfABSTRACT小样本分类旨在通过有限标记样例学习一个分类器来识别未知类，虽然近些年取得了一
2020-09-22 14:57:47
3274
原创 python使用t检验和F检验验证模型好坏
要在某个指标上对比两个模型的好坏，我们可以直接进行比较，同时为了使比较结果更具说服力，我们可以使用统计检验的方法，即将两个模型分别跑k次，使用t检验比较这两组k个样本的均值、使用F检验比较这两组k个样本的方差，均值越大、方差越小说明在当前指标上该模型更好更稳定（这里说的指标是正向指标）。那么下面我们以具体代码来进行说明。from scipy.stats import ttest_rel, fimport numpy as npx = [44.2, 36.1, 46.5, 40.7, 61.6,
2020-09-06 17:24:21
11860
1
原创 Python检验样本是否服从正态分布
在进行t检验、F检验之前，我们往往要求样本大致服从正态分布，下面介绍两种检验样本是否服从正态分布的方法。1 可视化我们可以通过将样本可视化，看一下样本的概率密度是否是正态分布来初步判断样本是否服从正态分布。代码如下：import numpy as npimport pandas as pdimport matplotlib.pyplot as plt# 使用pandas和numpy生成一组仿真数据s = pd.DataFrame(np.random.randn(500),colu
2020-09-06 16:41:10
17551
用户画像及其在推荐系统中的应用.pdf
2019-12-31
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人