![](https://img-blog.csdnimg.cn/5ee30e36022a453e8b99bdfdc36baa26.jpeg?x-oss-process=image/resize,m_fixed,h_224,w_224)
微信公众号上转载的文章
文章平均质量分 79
感觉不错内容的的收录一下
卡塞尔学院临时校长
盖士人读书,第一要有志,第二要有识,第三要有恒
展开
-
机器学习模型评估指标总结
公众微信号文章 Datawhale官方博客过几天可能也更 链接:https://mp.weixin.qq.com/s/21421H7Yp-kGDXrJtGtDZA转载 2020-10-02 20:32:33 · 91 阅读 · 0 评论 -
Graph Neural Networks in Recommender Systems综述(文章搬运)
本文仅用来学习,原创作者公众号:图与推荐 原文链接:https://zhuanlan.zhihu.com/p/323302898 论文地址点这里 Abstract 如今推荐系统的研究非常火热,GNN也在很多领域表现优异。推荐系统主要的挑战是从历史交互(historical interactions)和边信息(side information)中学习有效的用户(user)和物品(item)表示,由于很多信息具有图结构,而且GNN擅长表示学习,所以很多工作将GNN应用到推荐系统中。 本文是「基于GNN的推.转载 2020-12-22 14:58:15 · 457 阅读 · 0 评论 -
怎样将Embedding融入传统机器学习框架?(转载学习)
转载学习 原文链接:https://blog.csdn.net/xixiaoyaoww/article/details/111412968 参考文献:https://zhuanlan.zhihu.com/p/162163054 https://zhuanlan.zhihu.com/p/320196402 (石塔西大佬最近写的) LR本身是一个经典的CTR模型,广泛应用于推荐/广告系统。输入的特征大多数是离散型/组合型。那么对于Embedding技术,如何在不使用深度学习模型的情况下(假设就是不能用DNN.转载 2020-12-22 11:28:10 · 104 阅读 · 0 评论 -
聊聊工业界做机器学习的里程碑
工业界做机器学习的里程碑 摘自公众号 1、系统——经济基础决定上层建筑 工程系统中,提升收益是优化算法的根本动机。 业界流行过这样一句话:“能加几台机器解决的问题,不要让人去优化。”乍一眼看有些反直觉,但是结合语境细想,这句话的核心思想是做事应当把控好大方向。机器便宜,人力昂贵,在业务快速发展的阶段,有很多更重要的事情要去做。能不能比竞争对手快一个周期,就是团队生与死的差别。这种情况下,过度追求算法的提升可能是在舍本逐末,反而不明智。 对比学术界,互联网中搜索推荐及广告的场景,有个明显的特点,就是数据规模大转载 2020-09-22 09:15:53 · 127 阅读 · 0 评论