深度学习
文章平均质量分 78
799星辰
这个作者很懒,什么都没留下…
展开
-
推荐算法4:矩阵分解 LFM
用户之所以选择某一个商品,是因为用户特征和物品特征相互匹配的结果。基于这种思想,模型的建立相当于从行为数据中提取特征,给用户和物品同时打上标签,即特征的提取和匹配。根据已有的偏好数据,去挖掘出隐藏的特征,需要用到。原创 2023-09-10 18:21:46 · 112 阅读 · 0 评论 -
推荐算法3:回归模型、梯度下降、最小二乘法
基准就是平均值,用户或物品普遍高于或低于平均值的差值,我们称之为偏置(bias)(1)Baseline目标找出用户的偏置值bu物品的偏置值bi。问题转化为寻找最优的bu和bi。(2) Baseline步骤(3)损失函数利用梯度下降优化损失。(4)真实值与预测值图像:(5)总结。原创 2023-09-09 21:26:16 · 101 阅读 · 0 评论 -
推荐系统2(案例):电影评分、基于k临近
pickle模块只能在python中使用,python中几乎所有的数据类型(列表、字典、集合、类等)都可以用pickle来序列化。pickle提供了一个简单的持久化功能,可以将对象以文件的形式存放在磁盘上。lambda表达式是一行的函数,他们在其它语言中也被称为匿名函数。使用方法:在lambda语句中,冒号前面是参数,可以有多个,用逗号隔开,冒号右边是返回值。总结:上述两个案例都没有用到KNN,如果用,在相关处。k临近,增加一部分代码,其他同前一个案例。(预测给定用户对给定物品的评分值)原创 2023-09-04 18:06:44 · 139 阅读 · 0 评论 -
推荐系统1:Lambda架构,协同过滤算法,相似度计算
需要用户购买物品的消费数据—通过计算相似度找到相似的用户(用KNN选择相似度最高的两个)—根据相似用户购买物品的记录进行推荐,其中个包含过滤掉已经购买的物品。**总结:**评分数据是连续的数据,适合前两种。第三种适合于评分是0 1 这样的布尔值。通过逻辑回归算法算出的结果,映射到0-1之间(利用sigmode函数)得到点击的概率。交集➗并集 :交集指共同购买的物品,并集指两个用户购买物品的并集。做系统过滤,首先特征工程,把用户-物品的评分矩阵创建出来。1、信息过滤系统,解决信息过载,用户需求不明确的问题。原创 2023-09-03 15:41:17 · 115 阅读 · 0 评论 -
RNN(embedding编码、LSTM、GRU)
三个门限:它们都是当前时刻的输入特征 xt 和上一时刻的短期记忆的 ht-1 的函数。wi,wo ,wf 是待训练参数矩阵,bi,bo,bf 是待训练参数矩阵。它们都经过sigmoid激活函数使门限的范围在0-1之间。细胞态表示长期记忆,等于上个时刻的长期记忆 Ct-1 乘以遗忘门 + 当前时刻归纳出的新知识*输入门。(通俗讲:过去记忆留存下的知识+新知识)记忆体表示短期记忆,属于长期记忆的一部分。原创 2023-07-31 16:19:44 · 222 阅读 · 1 评论 -
RNN 循环神经网络(包括:循环核、用tf表述循环计算层、输入字母预测下一个)
本文是在学习rnn时的视频,详细介绍rnn ,从入门到深入计算原创 2023-07-30 10:08:02 · 112 阅读 · 1 评论 -
经典卷积神经网络(LeNet、AlexNet、VGGNet、InceptionNet、ResNet)
引入了Inception结构块,在同一层网络内使用不同尺寸的卷积核,提升了模型感知力;使用了批标准化,缓解了梯度消失。越靠后,特征图越小,通过增加卷积核的个数,增加了特征图的深度,保持了信息的承载能力。使用ReLu激活函数提升了训练速度,使用Dropout缓解了过拟合。使用小尺寸卷积核,在减少参数的同时,提高了识别准确率。原创 2023-07-13 21:58:51 · 74 阅读 · 1 评论 -
TensorFlow相关学习(包括Keras)
TensorFlow和Keras原创 2023-04-14 17:29:51 · 114 阅读 · 0 评论 -
深度学习(二):神经网络、卷积神经网络
卷积神经网络及其主要框架原创 2023-03-12 13:47:05 · 486 阅读 · 0 评论 -
机器学习-深度学习-神经网络(一)
深度学习初步原创 2023-03-07 13:56:53 · 169 阅读 · 0 评论