看了文字,知道了dnn用稀疏向量效果不好,要先embedding,降维并增加稠密程度。
关于Embedding向量又百度了一篇文章增加理解https://blog.csdn.net/weixin_44493841/article/details/95341407
知道了如果特征能自动交叉,模型效果会好。文中提到用多层残差网络来让特征充分交叉。找了很多篇文章看什么是残差网络,大意是说为了不让深度学习的层数太多导致效果不升反降,需要用到残差网络,让浅层的输出跳过几层作为深层的数据,让多层深度学习不至于变差。但是这和特征自动交叉有什么关系还是没看懂,无奈0基础
最后为了拟合优化目标,会用逻辑回归模型把各个残差快组合叠加起来