![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 74
Ada_空白的影
爱生活,爱Java,爱Coffee
展开
-
推荐系统
推荐引擎不能算是一个独立学科,它与机器学习,数据挖掘有天然不可分的关系,所以同时列了一些这方面有用的工具及书籍,希望能对大家有所帮助。翻译 2016-05-16 18:21:52 · 1804 阅读 · 0 评论 -
推荐系统基础之一-简介
1.什么是推荐系统 根据用户的信息需求、兴趣等,将用户感兴趣的信息、产品等推荐给用户的个性化信息推荐de系统。 和搜索引擎相比,推荐系统通过研究用户的兴趣偏好,进行个性化计算,由系统发现用户的兴趣点,从而引导用户发现自己的信息需求。2.为什么需要推荐系统 为了解决用户在无明确需求场景下信息过载问题的,目的是将长尾内容暴露到可能感兴趣的人面前。3.怎样评判推荐内容好坏参考项亮的<<推原创 2016-05-16 19:53:58 · 932 阅读 · 0 评论 -
数据挖掘、机器学习基础算法
Basis(基础):MSE(Mean Square Error 均方误差),LMS(LeastMean Square 最小均方),LSM(Least Square Methods 最小二乘法),MLE(MaximumLikelihood Estimation最大似然估计),QP(Quadratic Programming 二次规划), CP(Conditional Probability条件概率),原创 2016-05-06 18:39:23 · 4818 阅读 · 0 评论 -
机器学习应用场景
1、分类问题根据数据样本上抽取出的特征,判定其属于有限个类别中的哪一个。比如:垃圾邮件识别(结果类别:1、垃圾邮件 2、正常邮件)文本情感褒贬分析(结果类别:1、褒 2、贬)图像内容识别识别(结果类别:1、喵星人 2、汪星人 3、人类 4、草泥马 5、都不是)。2、回归问题根据数据样本上抽取出的特征,预测一个连续值的结果。比如:星爷《美人鱼》票房大帝都2个月后的房价隔壁熊孩子一天来你家几次,宠幸你多原创 2016-08-30 13:10:35 · 5785 阅读 · 1 评论 -
基于循环神经网络的主题模型
摘 要: 原有的主题模型是基于词袋模型的假设,很大程度上忽略单词的前后顺序或其主题连贯性。本文提出一个基于神经网络的话题生成模型,假定每个词的生成取决于句子中的历史单词,通过使用基于递归神经网络(RNN)的框架考虑句子中单词序列性,将句子的分布式表示作为神经网络模型的基本输入,通过将topic model与神经网络结合,利用周围单词的上下文关系来建模。实验结果表明,本文提出的LDA-L原创 2017-04-17 11:12:35 · 11797 阅读 · 9 评论 -
实战深度学习
回顾上一节的内容,介绍稀疏编码。(P2)稀疏编码的推理。(P3-P6)ISTA算法解释。(P7 - P9)用于稀疏编码推理的坐标下降(P10)https://mp.weixin.qq.com/s/91lsRZ6n8oPt4bSCXyho3g回顾上一节课的内容,主要讲解随机梯度下降法。(P2)L2 正则化。(P3)L1 正则化。(P4)偏差原创 2017-04-17 15:06:28 · 545 阅读 · 0 评论