- 博客(3)
- 收藏
- 关注
原创 DeepFM论文阅读笔记
概括 DeepFM模型是华为诺亚实验室于2017年发布的推荐系统模型(论文链接)。这篇文章是基于Google的Wide & Deep模型的改进和提升,被广泛的应用在工程推荐系统上。 DeepFM是基于Wide & Deep模型思想的,因此模型的结构也是同样用一个浅层模型来提取记忆,即出现过的特征组合,一个深层模型负责泛化,即搜索新的特征组合。DeepFM对于Wide & Deep的改进主要有: Wide模型由LR修改成了FM(Factor Machine),FM可以起到自动学习交叉
2021-02-07 15:05:58 140
原创 EM算法
EM算法 1.1 什么是EM算法 EM算法是解决含有隐变量的模型的参数估计问题 假设我们有一个估计问题,对于mmm个独立的样本x(1),...x(m){x^{(1)},...x^{(m)}}x(1),...x(m),若将其拟合到一个参数模型p(x,z)p(x,z)p(x,z)中,其中zzz是无法观测的隐变量,这一系统的对数似然函数可写作: l(θ)=∑i=1mlogp(x(i);θ)=∑i=1m...
2020-08-11 16:29:36 95
原创 XGBoost文章总结
论文题目: 《XGBoost: A Scalable Tree Boosting System》 提升树算法就是将不同的树做加法模型, 在GBDT里面,基本树模型是CART树: yi^=ϕ(xi)=∑k=1Kfk(xi) \hat{y_{i}}=\phi(x_{i})=\sum_{k=1}^{K}f_{k}(x_{i}) yi^=ϕ(xi)=k=1∑Kfk(xi) GBDT的损失函数: L(t)=∑i=1nl(yi,yi^(t−1)+ft(xi))+Ω(ft) \mathcal{L}^{(t)}
2020-08-11 16:21:40 91
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