一、概要 目标：将合适的内容，在合适的场景，展示给合适的人 量化指标：CTR,Click-Through-Rate,点击通过率 应用场景：广告展示、推荐、搜索结果排序广告，考...
发简信
IP属地：陕西
-
-
为什么ResNet和DenseNet可以这么深？一文详解残差块为何能解决梯度弥散问题。传统的“提拉米苏”式卷积神经网络模型，都以层叠卷积层的方式提高网络深度，从而提高识别精度。但层叠过多的卷积层会出现一个问题，就是梯度弥散(Vanishing)，backpro...
-
如何感性地理解EM算法？
如果使用基于最大似然估计的模型，模型中存在隐变量，就要用EM算法做参数估计。个人认为，理解EM算法背后的idea，远比看懂它的数学推导重要。idea会让你有一个直观的感受，从...
-
吴恩达机器学习—正则化过拟合问题 当变量过少时，可能存在欠拟合；当变量过多时，会存在过拟合。过拟合可能对现有数据拟合效果较好，损失函数值几乎为零，但是不能进行泛化时，即不适于非训练集的其他数据。 ...
-
Stacking Learning在分类问题中的使用
建议先阅读以下文章 知乎：Kaggle机器学习之模型融合（stacking）心得 Blog：Stacking Models for Improved Predictions ...
-
美团机器学习实践第四章-模型融合总结思维导图如下： 模型融合是一种有效提升机器学习效果的方法，通过构建并融合多个模型来完成学习任务。模型融合主要包含两个阶段：构建若干单模型和模型融合。 如果模型融合使用的单模型...
-
天池比赛--“商场中精确定位用户所在店铺”分享背景介绍 这是笔者参加的第一个大数据比赛，预赛最好成绩是前50名，但是由于后来竞争越发激烈（分类正确率差0.01,排名都能差上10多名...）和兴趣渐渐转到研究NLP上，最终...
