原创 Andrew Ng-深度學習-第二門課-week1（正則化和權重初始化）
文章目錄1.訓練，驗證，測試集2 偏差，方差（Bias /Variance）3 機器學習基礎4 正則化4.1 L2正則化：4.1.1 基礎知識：4.1.2爲什麼L2正則化可以防止模型過擬合：4.2 L1正則化：4.2.1 基礎知識
2020-06-16 11:06:58
原创 常用損失函數和評價指標總結
文章目錄一、損失函數：1.1 迴歸問題：1. 平方損失函數（最小二乘法）：2 平均絕對值誤差（L1）-- MAE：3 MAE（L1） VS MSE（L2）：4. Huber損失：1.2 分類問題：1. LogLoss：2. 指數損
2020-06-16 11:06:58
原创 Kaggle-Quora Insincere Questions Classification-Solution
寒假期間參加了Kaggle的一個比賽-QIQC，作爲第一個認真參加的Kaggle比賽，最後銀牌，感謝嘯宇哥的幫助。 比賽鏈接：https://www.kaggle.com/c/quora-insincere-questions-
2020-06-16 11:06:58
原创 推薦系統面試100問（一）-Wide&Deep
Wide&Deep： 推薦下面的參考資料，講解非常詳細，包括自己對於Wide&Deep和推薦系統的看法。 1. Wide&Deep論文的貢獻： 聯合訓練Wide&Deep框架，分別爲帶有Embedding層的前向NN和帶有特徵變
2020-03-28 13:19:35
26
原创 《推薦系統實踐-項亮》讀書筆記
文章目錄第一章 好的推薦系統1.1 什麼是推薦系統：1.2 個性化推薦系統的應用：第二章 利用用戶行爲數據2.1 用戶行爲數據簡介：2.2 用戶行爲分析：2.3 實驗設計和算法評測2.4 基於鄰域的算法：基於用戶的協同過濾算法：基
2020-03-03 06:16:54
原创 可解釋性機器學習：從入門到實戰
文章目錄一、可解釋的特性：1.1 可解釋的重要性：1.2 可解釋性的範圍：二、與模型無關的方法：2.1 Permutation Feature Importance：2.1.1 實例：2.2 Partial Dependency
2020-02-23 05:02:36
原创 KDD-cup 2019比賽總結
1.賽題介紹： 比賽要求參與者使用從百度地圖收集的歷史用戶行爲數據和一組用戶屬性數據來推薦合適的交通方式。 查詢記錄： 查詢記錄代表百度地圖上用戶的一條路線搜索。每個查詢記錄都由會話ID、配置文件ID、時間戳、原始點的座標、目的地
2020-02-23 05:02:26
1
原创 統計概率知識點
1 協方差： 1.1 期望E(X)E(X)E(X) ： 線性函數：E(aX+bY)=aE(X)+bE(Y)\mathrm{E}(a X+b Y)=a \mathrm{E}(X)+b \mathrm{E}(Y)E(aX+bY)=a
2019-08-23 01:44:55
原创 Andrew Ng-深度學習-第二門課-week2(優化算法)
從GD出發梳理優化算法的演變和各個優化算法的優缺點。 1.梯度下降： 1.1 批量梯度下降（batch gradient descent） 每次迭代更新參數，在整個數據集上計算所有的梯度。 θ=θ−η⋅∇θJ(θ) \theta=
2019-08-23 01:44:55
1
原创 Andrew Ng-深度學習-第二門課-week3
1. 調參流程： 參數重要性： 學習率α\alphaα > (hidden units/batch_size) > 學習率衰減因子/網絡層數 > β1(0.9),β2(0.999)，ϵ(10−8)\beta_1(0.9), \be
2019-08-23 01:44:55
原创 通過Anaconda安裝Graphviz
簡單三步走 1.打開Anaconda終端，Open terminal 2.在終端窗口一次輸入： conda install graphviz pip install graphviz 3.添加環境變量 找到Graphviz的安
2019-08-10 02:45:30
50
原创 Ubuntu配置（三）命令行彙總
查看系統信息： 查看CPU信息：grep "model name" /proc/cpuinfo |awk -F ':' '{print $NF}' 查看內存信息：dmidecode -t memory |grep -A16 "Me
2019-07-31 03:41:12
原创 Andrew Ng-深度學習-第二門課-week1（L1、L2正則化）
文章目錄1.訓練，驗證，測試集2 偏差，方差（Bias /Variance）3 機器學習基礎4 正則化4.1 $L2$正則化：爲什麼$L2$正則化可以防止模型過擬合：4.2 $L1$正則化：爲什麼L1正則化可以產生稀疏模型：L1正則化
2019-05-14 15:03:49
原创 Andrew Ng-深度學習-第一門課-week3
1.2.2 第一位代表第一門課，第二位代表第幾周，第三位代表第幾次視頻。編號和視頻順序對應，有些章節視頻內容較少進行了省略。對內容進行簡單的總結，而不是全面的記錄視頻的每一個細節，詳細可見[1]。 1.神經網絡和深度學習 1.3 淺層
2019-05-08 07:50:17
原创 Andrew Ng-神經網絡和深度學習(Neural Networks and Deep Learning-week2
1.2.2 第一位代表第一門課，第二位代表第幾周，第三位代表第幾次視頻。編號和視頻順序對應，有些章節視頻內容較少進行了省略。對內容進行簡單的總結，而不是全面的記錄視頻的每一個細節，詳細可見[1]。 1.2 Basics of Neur
2019-05-07 05:51:01