wxgaws的博客

参考FM: 推荐算法中的瑞士军刀

待解答？

待解答？

参考特征重要度暂未找到好的参考文献。测试时，依次将feat_i (i=1,…,n)置空，计算测试指标的变化ΔZ_i。可以用ΔZ_i衡量特征的重要度，ΔZ_i越大特征重要度越高。

参考Learning To Rank之LambdaMART的前世今生知识点XGboost和GBDT的区别？

归并排序Java实现归并排序-有图有真相白话经典算法系列之五 归并排序的实现（C++）。实现时，提前申请好临时数据效率高，mergesort(int a[], int first, int last, int temp[])

特征自动抽取。减少手动特征构建工作量，减少对专家知识的依赖。例如bert可以学到文本的语义和语法；CNN可以自动学习图像特征。离散和连续特征都能处理。可以加入很多id类特征、类别特征等。对离散特征做embedding后，可以通过数据学到离散特征的语义向量，能表示离散特征的相对关系等，例如女装和男装的距离要小于女装和自行车的距离。而树模型对离散特征，基本只能按one-hot处理，无法表示离散特征的相对关系。...