0
推荐
2184
阅读
从小白到入门算法，我的经验分享给你～
研究生三年，作为一名非计算机专业的学生，能够从一名纯小白(Python不会，机器学习没听说过)到最后校招拿到几个不错的offer，个人感觉可以给自己打个及格分吧。写本文的目的，一是对自己研究生阶段所学习的知识做一个总结，二是希望对那些刚接触机器学习，准备往这个方向发展的同学们提供一些可借鉴的经验。1、入门Pytho...
0
推荐
2086
阅读
numpy中的hstack()、vstack()、stack()、concatenate()函数详解
本文主要介绍一下numpy中的几个常用函数，包括hstack()、vstack()、stack()、concatenate()。1、concatenate()我们先来介绍最全能的concatenate()函数，后面的几个函数其实都可以用concatenate()函数来进行等价操作。concatenate()函数根据指定的维度，对一个元组、列表中的list或者ndarray进行连接，函数原型：numpy.co...
1
推荐
2953
阅读
ARIMA模型原理及实现
1、数据介绍再介绍本篇的内容之前，我们先来看一下本文用到的数据。本文用到的中国银行股票数据下载：http://pan.baidu.com/s/1gfxRFbH，提取码d3id。我们先来导入一下我们的数据，顺便画出收盘价数据的折线图：import pandas as pd
import matplotlib.pyplot as plt
ChinaBank = pd.read_csv('ChinaBank.csv',index_col...
0
推荐
2081
阅读
推荐系统遇上深度学习(二十三)--大一统信息检索模型IRGAN在推荐领域的应用
1、引言信息检索领域的一个重要任务就是针对用户的一个请求query，返回一组排好序的召回列表。经典的IR流派认为query和document之间存在着一种生成过程，即q -> d 。举一个例子，搜索“哈登”，我们可以联想到“保罗”，“火箭”，“MVP”等等，每一个联想出来的document有一个生成概率p(d|q)，然后根据这个生成概率进行排序...
0
推荐
3863
阅读
推荐系统遇上深度学习(二十二)--DeepFM升级版XDeepFM模型强势来袭！
今天我们要学习的模型是xDeepFM模型，论文地址为：https://arxiv.org/abs/1803.05170。文中包含我个人的一些理解，如有不对的地方，欢迎大家指正！废话不多说，我们进入正题！1、引言对于预测性的系统来说，特征工程起到了至关重要的作用。特征工程中，挖掘交叉特征是至关重要的。交叉特征指的是两个或多个原始特征之间...
1
推荐
2118
阅读
Boosting方法-从AdaBoost到LightGBM
整理了一份Boosting方法的文档，目录如下：想看本文的全文么，关注下方公众号，回复boosting即可哟：同时，添加微信sxw2251，可以拉你进入小小挖掘机技术交流群哟！
1
推荐
3845
阅读
推荐系统遇上深度学习(二十)--贝叶斯个性化排序(BPR)算法原理及实战
排序推荐算法大体上可以分为三类，第一类排序算法类别是点对方法(Pointwise Approach)，这类算法将排序问题被转化为分类、回归之类的问题，并使用现有分类、回归等方法进行实现。第二类排序算法是成对方法(Pairwise Approach)，在序列方法中，排序被转化为对序列分类或对序列回归。所谓的pair就是成对的排序，比如(a,b)...
0
推荐
3397
阅读
推荐系统遇上深度学习(十九)--探秘阿里之完整空间多任务模型ESSM
阿里近几年公开的推荐领域算法有许多，既有传统领域的探索如MLR算法，还有深度学习领域的探索如entire-space multi-task model，Deep Interest Network等，同时跟清华大学合作展开了强化学习领域的探索，提出了MARDPG算法。上一篇，我们介绍了深度兴趣网络(Deep Interest Network)，充分利用用户历史行为数据中的Diversi...
1
推荐
7932
阅读
推荐系统遇上深度学习(十八)--探秘阿里之深度兴趣网络(DIN)浅析及实现
阿里近几年公开的推荐领域算法有许多，既有传统领域的探索如MLR算法，还有深度学习领域的探索如entire -space multi-task model，Deep Interest Network等，同时跟清华大学合作展开了强化学习领域的探索，提出了MARDPG算法。上一篇，我们介绍了MLR算法，通过分而治之的思想改进了传统的LR算法，使其能够拟合更复杂的线性...
1
推荐
2383
阅读
推荐系统遇上深度学习(十七)--探秘阿里之MLR算法浅析及实现
阿里近几年公开的推荐领域算法可真不少，既有传统领域的探索如MLR算法，还有深度学习领域的探索如entire -space multi-task model，Deep Interest Network等，同时跟清华大学合作展开了强化学习领域的探索，提出了MARDPG算法。从本篇开始，我们就一起来探秘这些算法。这里，我们只是大体了解一下每一个算法的思路，对于...
1
推荐
3162
阅读
推荐系统遇上深度学习(十六)--详解推荐系统中的常用评测指标
最近阅读论文的过程中，发现推荐系统中的评价指标真的是五花八门，今天我们就来系统的总结一下，这些指标有的适用于二分类问题，有的适用于对推荐列表topk的评价。1、精确率、召回率、F1值我们首先来看一下混淆矩阵，对于二分类问题，真实的样本标签有两类，我们学习器预测的类别有两类，那么根据二者的类别组合可以划分...
0
推荐
3134
阅读
推荐系统遇上深度学习(十五)--强化学习在京东推荐中的探索
强化学习在各个公司的推荐系统中已经有过探索，包括阿里、京东等。之前在美团做过的一个引导语推荐项目，背后也是基于强化学习算法。本文，我们先来看一下强化学习是如何在京东推荐中进行探索的。本文来自于paper：《Deep Reinforcement Learning for List-wise Recommendations》1、引言传统的大多数推荐系统应用存在两...
0
推荐
4057
阅读
推荐系统遇上深度学习(十四)--《DRN:A Deep Reinforcement Learning Framework for News Recommendation》
之前学习了强化学习的一些内容以及推荐系统的一些内容，二者能否联系起来呢！今天阅读了一篇论文，题目叫《DRN: A Deep Reinforcement Learning Framework for News Recommendation》。该论文便是深度强化学习和推荐系统的一个结合，也算是提供了一个利用强化学习来做推荐的完整的思路和方法吧。本文便是对文章中的内容...
2
推荐
2568
阅读
推荐系统遇上深度学习(十三)--linUCB方法浅析及实现
上一篇中介绍了Bandit算法，并介绍了几种简单的实现，如 Epsilon-Greedy算法，Thompson sampling算法和UCB算法。但是传统的实现方法存在很大的缺陷，主要是缺乏用附加信息刻画决策过程的机制。今天的文章就来介绍一种结合上下文信息的Bandit方法，LinUCB，它是Contextual bandits算法框架的一种。本文的原文是雅虎的新闻...
1
推荐
2582
阅读
推荐系统遇上深度学习(十)--GBDT+LR融合方案实战
推荐系统遇上深度学习系列：推荐系统遇上深度学习(一)--FM模型理论和实践：https://www.jianshu.com/p/152ae633fb00推荐系统遇上深度学习(二)--FFM模型理论和实践:https://www.jianshu.com/p/781cde3d5f3d推荐系统遇上深度学习(三)--DeepFM模型理论和实践：https://www.jianshu.com/p/6f1c2643d31b推荐系统遇上深度学习(...