2019面试
weixin_41838371
这个作者很懒,什么都没留下…
展开
-
推荐系统(一)
推荐系统概述分类1. 基于用户行为数据的算法1.1 基于用户的协同过滤算法(user-based CF)1.2 基于项目的协同过滤1.3 基于模型的协同过滤2. 基于内容数据的推荐性能评估以微博为例:大规模推荐系统架构线上推荐召回阶段排序阶段排序算法的演进LR 到 FMFM 到 FFM深度排序模型:从Wide&Deep到XDeepFM模型并行结构串行结构两条演进路线怎么走的呢?Wide &...转载 2019-07-06 18:33:37 · 481 阅读 · 0 评论 -
深度学习面试常见问题—— 过拟合
深度学习面试常见问题1. Dropout 原理为什么说Dropout可以解决过拟合?1. Dropout 原理训练深度神经网络的时候,总是会遇到两大缺点:(1)容易过拟合(2)费时Dropout可以比较有效的缓解过拟合的发生,在一定程度上达到正则化的效果。在前向传播的时候,让某个神经元的激活值以一定的概率p停止工作,这样可以使模型泛化性更强,因为它不会太依赖某些局部的特征。屏蔽掉某些...原创 2019-06-13 11:56:40 · 1241 阅读 · 0 评论 -
推荐系统(二)
主流CTR预估模型的演化及对比高维、稀疏、多Field是输入给CTR预估模型的特征数据的典型特点。相对于高维稀疏的one-hot编码表示,embedding-based的方法,学习一个低维稠密实数向量Embedding层的神经元个数即Embeeding向量的维数(m)。输入层与Embedding层的链接对应的权重矩阵 M(n*m) ,即对应 n 个输入实体的 m 维embedding向量。...转载 2019-07-10 21:45:18 · 489 阅读 · 0 评论