自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(9)
  • 资源 (6)
  • 收藏
  • 关注

原创 面试常考算法题补充

二叉树先序遍历的非递归实现:def preOrder(root): if not root: return stack = [root] # 初始化一个栈 用于代替递归调用的系统栈 while stack: node = stack.pop() print(node.val) # 因为要先遍历左子树 所以要先将...

2019-06-27 09:38:58 351

原创 面经

算法面经+春秋招总结(含BAT TM W等)作者:泡了个泡链接:https://www.nowcoder.com/discuss/127357来源:牛客网本人真·末流985软件工程本硕,研究方向推荐系统(但是整个实验室也只有我自己在研究),JCR1区水刊论文一篇,对于机器学习也算是半路出家,从今年一月份才开始系统的学习。经历了惨痛的春招与秋招之后,也积攒了一些面经,希望能对大家...

2019-06-24 16:21:56 6599

原创 批量归一化(Batch Normalization)

对输入数据进行标准化处理的原因?使输入数据各个特征的分布相近:神经网络学习的本质就是学习数据的分布,如果训练数据与测试数据的分布不同,那么网络的泛化能力也大大降低; 在使用小批量数据对神经网络进行训练时,若每批训练数据的分布各不相同,网络在每次迭代都去学习适应不同的分布,这会大大降低网络的训练速度;为什么要使用批量归一化?使用浅层模型时,随着模型训练的进行,当每层中参数更新时,靠近...

2019-06-23 12:00:34 36823 2

原创 常见的机器学习优化器

梯度下降最常见的三种变形是BGD,SGD,MBGD,区别是梯度下降时用多少数据来计算目标函数的梯度。批量梯度下降法(Batch Gradient Descent)更新参数时使用所有样本来进行更新。随机梯度下降法(Stochastic Gradient Descent)更新参数时使用一个样本来进行更新。(但平时提到的SGD是指的Mini-batch SGD)。小批量梯度下降法(M...

2019-06-23 11:36:39 1243

原创 CTR预估算法(深层模型)

CTR预估数据特点: 输入中包含类别型和连续型数据。类别型数据需要one-hot,连续型数据可以先离散化再one-hot,也可以直接保留原值 维度非常高 数据非常稀疏 特征按照Field分组 CTR预估重点在于学习组合特征。注意,组合特征包括二阶、三阶甚至更高阶的,阶数越高越复杂,越不容易学习。Google的论文研究得出结论:高阶和低阶的组合特征都非常重要,...

2019-06-22 17:45:19 1712 1

原创 Leetcode题解------C++语言实现

283. 移动零// 时间复杂度: O(n)// 空间复杂度: O(n)class Solution {public: // 通过引用的方式传入一个vector类型的数组 可以对其进行修改 void moveZeroes(vector<int>& nums) { vector<int> nonZeroE...

2019-06-14 08:34:20 705

原创 FFM及DeepFFM模型及其在推荐系统中的应用

大纲今天我们主要介绍一下,FFM模型和它的深度学习模型版本,以及我们在这个基础上改造的两个模型。首先,介绍大规模推荐系统的整个流程框架和其中一些比较核心的技术点。第二,介绍推荐系统的两大类Rank模型:传统模型和深度学习模型的发展历程和各自的特点。第三,介绍FFM模型的优缺点,针对缺点,提出一个改进的版本,即“双线性FFM模型”。另外,大致介绍,典型的深度学习模型的特点及使用场景。最后,介...

2019-06-09 00:17:43 4017

原创 FFM模型及其在推荐系统中的应用

用FM/FFM模型做召回意味着什么首先,第一个问题是:FM/FFM模型一般是作为典型的Ranking阶段的模型,怎么理解用它来做召回这件事情呢?向上图这么做推荐,就是用一个模型把召回和排序两个阶段的事情全做掉。这也是本文要探讨的另外一个要点。FM/FFM模型用在召回和Ranking这两个不同阶段,差别还是蛮大的。如果是在排序阶段使用FM/FFM或者其他模型,因为此时用户已知,要排序...

2019-06-09 00:15:12 1987 2

原创 FM模型及其在推荐系统中的应用

推荐模型或者推荐场景下的排序模型,您脑子里第一个念头冒出的模型是哪个或哪几个?如果你第一念头冒出来的仍然是SVD/矩阵分解啥的,那么明显你还停留在啃书本的阶段,实践经验不足;如果你第一念头是LR模型或者GBDT模型,这说明你是具备一定实践经验的算法工程师,但是知识更新不足。现在都9102年了,我们暂且把Wide&Deep/DeepFM这些模型抛开不提,因为在大规模场景下想要把深度推荐模...

2019-06-08 17:46:34 6734 5

OfficeRegClean.zip

OfficeRegClean清理小工具,可以完美解决安装office2019/2013/2010/2007 64位版本时出现”无法安装64位版本的Office,因为在您的PC上找到了以下32位程序“的问题。

2019-06-15

美团机器学习实践

人工智能技术正以一种超快的速度深刻地改变着我们的生活,引导了第四次工业革命。美团作为国内O2O领域领 先的服务平台,结合自身的业务场景和数据,积极进行了人工智能领域的应用探索。在美团的搜索、推荐、计算广告、风控、图像处理等领域,相关的人工智能技术得到广泛的应用。本书包括通用流程、数据挖掘、搜索和推荐、计算广告、深度学习以及算法工程6大部分内容,全面介绍了美团在多个重要方面对机器学习的应用。 本书非常适合有一定机器学习基础的工程技术人员和在校大学生学习和阅读。通过本书,有经验的算法工程师可以了解美团在这方面的做法,在校大学生可以学习机器学习算法如何在具体的业务场景中落地。

2018-12-21

机器学习实战_基于Scikit-Learn和TensorFlow_王静源

本书主要分为两个部分。第一部分为第1~8章,涵盖机器学习的基础理论知识和基本算法——从线性回归到随机森林等,帮助读者掌握Scikit-Learn的常用方法;第二部分为第9~16章,探讨深度学习和常用框架TensorFlow,一步一个脚印地带领读者使用TensorFlow搭建和训练深度神经网络,以及卷积神经网络。书中涉及不少数学公式,作者对抽象的公式背后的含义也都一一做出了阐释,因此即便是对数学不敏感的初学者,也同样能够理解机 器学习任务的实质。

2018-12-06

C语言从入门到精通

C语言从入门到精通:本书从初学者的角度出发,以通俗易懂的语言,丰富多彩的实例,详细介绍了使用C语言进行程序开发应该掌握的各方面知识。全书共分17章,包括C语言概述,算法,数据类型,运算符与表达式,常用的数据输入、输出函数,选择结构程序设计,循环控制,数组,函数,指针,结构体和共用体,位运算,预处理,文件,存储管理,网络套接字编程和学生成绩管理系统等。所有知识都结合具体实例进行介绍,涉及的程序代码给出了详细的注释,可以使读者轻松领会C语言程序开发的精髓,快速提高开发技能。

2018-11-17

Keras中文文档

本文档是Keras文档的中文版,包括keras.io的全部内容,以及更多的例子、解释和建议

2018-10-30

统计学习方法

统计学习方法扫描版,机器学习 深度学习领域书籍,入门必备

2018-08-22

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除