算法
文章平均质量分 92
李兰溪
好奇并探索着
展开
-
从朴素贝叶斯到变分自编码机
文章目录概述贝叶斯的观点生成模型和朴素贝叶斯分类概述之前在《平均场变分推断:以混合高斯模型为例》一文中有简要提到变分推断,但只涉及到一些基本的理论知识,最近跟几位朋友讨论也觉得写的过于粗糙,其中贝叶斯学派的求解pipeline最为重要,但反而着墨不多,加之以近期读到WWW2018和KDD2018上关于VAE在推荐系统召回(TOP-N问题)种的应用十分有趣,一时兴起,遂成此文,写了一篇关于贝叶斯的大杂烩。贝叶斯的观点在《平均场变分推断:以混合高斯模型为例》种有提到过贝叶斯推断的pipeline,可以总原创 2020-09-06 19:03:51 · 623 阅读 · 1 评论 -
平均场变分推断:以混合高斯模型为例
文章目录一、贝叶斯推断的工作流二、一个业务例子三、变分推断四、平均场理论五、业务CASE的平均场变分推断求解六、代码实现一、贝叶斯推断的工作流在贝叶斯推断方法中,工作流可以总结为:根据观察者的知识,做出合理假设,假设数据是如何被生成的将数据的生成模型转化为数学模型根据数据通过数学方法,求解模型参数对新的数据做出预测在整个pipeline中,第1点数据的生成过程,这是业务相关的,...原创 2019-12-15 21:57:20 · 3069 阅读 · 0 评论 -
让机器读懂文章: pLSA模型推导及实现
让机器读懂文章: pLSA模型推导及实现概述pLSA模型pLSA的EM算法推导总结参考文献概述人类读懂文章是一个很自然的行为,当我们读完一篇《背影》的时候,我们就可以知道这篇文章在写些什么,也就是我们说获得了这篇文章的相关知识。有了这些知识,我们就可以回答一些问题,例如:问:这篇文章写的主要内容是什么呢?答: 亲情、送别问:有类似《背影》这样的文章可以推荐的吗?答:龙应台-《送别》...原创 2018-12-30 21:59:47 · 37733 阅读 · 0 评论 -
让机器学会断句:基于词典的Bigram分词算法
目录概述从序列到图Unigram 模型Bigram 模型实现概述分词是NLP任务Pipeline中的重要步骤,一般来说都需要将句子切分成词之后,才能进一步把词进行向量化,最终输出各种各样的数学模型中,从而完成特定的NLP任务。中文不同于英文句子那样天然会用空格分割单词,所以中文句子切成独立的词相对困难,并且中文句子的词是上下文相关的,不同的分词方式会导致同一个句子出现不同含义。例如: 研究所取...原创 2019-01-14 02:02:22 · 3762 阅读 · 3 评论 -
拍卖与博弈:计算广告中的底价问题
流量交易现代计算广告中,最广泛的流量交易模式为实时竞价模式,即Real-Time-Bidding(RTB)。实时竞价顾名思义,就是在流量到达时被放到交易市场进行公开的,实时的竞拍,参与竞拍的广告主赢得竞拍后,即可获得对这个流量的投放权,整个流程如图示。以新浪微博的信息流广告为例,当我们刷微博时,微博的信息流(或者timeline)中会夹杂着广告,假设微博将信息流的第4和第10位作为广告位,那...原创 2019-07-21 15:38:42 · 2008 阅读 · 4 评论 -
策略梯度与A2C算法
文章目录从Q learning到策略梯度AC算法A2C算法从Q learning到策略梯度在解决MDP问题的算法中,Value Base类算法的思路将关注点放在价值函数上,传统的Q Learning等算法是一个很好的例子。Q Learning通过与环境的交互,不断学习逼近(状态, 行为)价值函数Q(st,at)Q(s_t, a_t)Q(st,at),而策略本身即选取使得在特定状态下价值函数...原创 2019-08-25 10:45:46 · 11021 阅读 · 1 评论