- 博客(9)
- 收藏
- 关注
RSS订阅转载 GAN
文章目录原理部分.1、 GAN的原理：构架GAN 的特点及优缺点：原理部分.1、 GAN的原理：GAN的主要灵感来源于博弈论中零和博弈的思想，应用到深度学习神经网络上来说，就是通过生成网络G（Generator）和判别网络D（Discriminator）不断博弈，进而使G学习到数据的分布，如果用到图片生成上，则训练完成后，G可以从一段随机数中生成逼真的图像。G， D的主要功能是：● G是一个生成式的网络，它接收一个随机的噪声z（随机数），通过这个噪声生成图像,负责凭空捏造数据出来● D是一个判别
2020-10-11 18:57:47
315
转载 BPR贝叶斯个性化推荐
文章目录定义BPR基本原理定义显式反馈：用户对物品的评分，如电影评分隐式反馈：用户对物品的交互行为，如浏览，购买等，现实中绝大部分数据属于隐式反馈，可以从日志中获取。BPR是基于用户的隐式反馈，为用户提供物品的推荐，并且是直接对排序进行优化。U代表所有的用户user集合；I 代表所有的物品item集合；S 代表所有用户的隐式反馈，S ⊆ U × I S. 如下图所示，只要用户对某个物品产生过行为，就标记为+ , 所有+ 样本构成了S。那些未观察到的数据（即用户没有产生行为的数据）标记为?.
2020-10-11 16:13:04
1440
转载 矩阵分解
文章目录前言矩阵分解推导步骤（方法）加入正则项的损失函数求解python实现及代码分析前言目前推荐系统中用的最多的就是矩阵分解方法，在Netflix Prize推荐系统大赛中取得突出效果。以用户-项目评分矩阵为例，矩阵分解就是预测出评分矩阵中的缺失值，然后根据预测值以某种方式向用户推荐。常见的矩阵分解方法有基本矩阵分解（basic MF），正则化矩阵分解）（Regularized MF），基于概率的矩阵分解（PMF）等。矩阵分解案例引入有如下R(5,4)的打分矩阵：（“-”表示用户没有打分）其中
2020-07-22 13:11:53
673
转载 Knn算法
Knn算法原理KNN三要素KNN算法流程python代码算法原理kNN算法的核心思想是用距离最近的k个样本数据的分类来代表目标数据的分类。其原理具体地讲，存在一个训练样本集，这个数据训练样本的数据集合中的每个样本都包含数据的特征和目标变量（即分类值），输入新的不含目标变量的数据，将该数据的特征与训练样本集中每一个样本进行比较，找到最相似的k个数据，这k个数据出席那次数最多的分类，即输入的具有特征值的数据的分类。例如，训练样本集中包含一系列数据，这个数据包括样本空间位置（特征）和分类信息（即目
2020-07-16 20:34:58
367
转载 线性回归
线性回归线性回归是最简单的一种回归方式一元线性回归就是找出一条直线，是数据到直线之间的距离差最小。举个例子线性回归是要解决上面的问题，对于给定房子的面积如何来预测房子的价格。根据数据分布的特点，我们很自然的想到，如果能找到一条直线。这条直线在这些数据上表现好，那么它就能完成对于未知数据的预测。损失函数利用损失函数为评判标准找出直线。函数形式为：为直线上的数值为了方便计算修改为：解题思路1.设出该直线2.利用损失函数求出最小的转化为求极值问题，利用梯度下降对 求偏导
2020-07-12 20:11:13
254
转载 梯度下降算法
介绍梯度下降法，又称最速下降法，是求解无约束最优化问题最常用的方法，它是一种迭代方法，每一步主要的操作是求解目标函数的梯度向量，将当前位置的负梯度方向作为搜索方向（因为在该方向上目标函数下降最快，这也是最速下降法名称的由来）。基本思想假设我们爬山，如果想最快的上到山顶，那么我们应该从山势最陡的地方上山。也就是山势变化最快的地方上山。同样，如果从任意一点出发，需要最快搜索到函数最大值，那么我们也应该从函数变化最快的方向搜索。函数的梯度：函数变化最快的方向梯度下降法特点：越接近目标值，步长越小，下降速
2020-07-10 20:51:27
522
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