感谢简书，感谢你！
发简信
IP属地：内蒙古
-
-
构建并用 TensorFlow Serving 部署 Wide & Deep 模型Wide & Deep 模型是谷歌在 2016 年发表的论文中所提到的模型。在论文中，谷歌将 LR 模型与 深度神经网络 结合在一起作为 Google Play 的推荐获得...
-
好
构建并用 TensorFlow Serving 部署 Wide & Deep 模型
Wide & Deep 模型是谷歌在 2016 年发表的论文中所提到的模型。在论文中，谷歌将 LR 模型与 深度神经网络 结合在一起作为 Google Play 的推荐获得...
-
写的深入浅出的，非常容易理解
特征选择之Chi卡方检验
卡方检验最基本的思想就是通过观察实际值与理论值的偏差来确定理论的正确与否。具体做的时候常常先假设两个变量确实是独立的（行话就叫做“原假设”），然后观察实际值（也可以叫做观察值...
-
特征选择之Chi卡方检验
卡方检验最基本的思想就是通过观察实际值与理论值的偏差来确定理论的正确与否。具体做的时候常常先假设两个变量确实是独立的（行话就叫做“原假设”），然后观察实际值（也可以叫做观察值...
-
非常全面，而且解决了我多日来困惑已久的一个概念
机器学习术语表
https://developers.google.com/machine-learning/crash-course/glossary 机器学习术语表 本术语表中列出了一般...
-
机器学习术语表https://developers.google.com/machine-learning/crash-course/glossary 机器学习术语表 本术语表中列出了一般...
-
什么是信息熵、条件熵和信息增益
信息增益描述了一个特征带来的信息量的多少，往往用于特征选择 信息增益 = 信息熵 - 条件熵 一个特征往往会使一个随机变量Y的信息量减少，减少的部分就是信息增益 一个例子 如...
-
不错的问文章，有些小错误，但不影响理解。
什么是信息熵、条件熵和信息增益
信息增益描述了一个特征带来的信息量的多少，往往用于特征选择 信息增益 = 信息熵 - 条件熵 一个特征往往会使一个随机变量Y的信息量减少，减少的部分就是信息增益 一个例子 如...
-
交叉熵 相对熵（KL散度/互熵）
香农熵 熵考察（香农熵）的是单个的信息（分布）的期望：反映了一个系统的无序化（有序化）程度，一个系统越有序，信息熵就越低，反之就越高。 交叉熵 交叉熵考察的是两个的信息（分布...
-
[机器学习]“交叉熵”函数交叉熵产生于信息论里面的信息压缩编码技术，但是它后来演变成为从博弈论到机器学习等其他领域里的重要技术手段。 1.什么是信息量？ 假设X是一个离散型随机变量，其取值集合为S，概...
-
前面都看明白了，到GBDT的伪代码各种符号的意义没介绍，彻底晕菜。
GBDT：梯度提升决策树
综述 GBDT(Gradient Boosting Decision Tree) 又叫 MART（Multiple Additive Regression Tree)，是一种...
-
每天叫醒我的，不是梦想，而是昨晚没实现的那段代码
-
RDD、DataFrame和DataSet的区别
spark 2.X开始，三者的关系发生了变化，可以参考《且谈Apache Spark的API三剑客：RDD、DataFrame和Dataset》 ,在2.X中DataFram...
-
Talk is cheap, show me the code！<br><br>分布式框架、大数据、机器学习<br><br>github: <a href="https://links.jianshu.com/go?to=https%3A%2F%2Fgithub.com%2Fjacksu" target="_blank">https://github.com/jacksu</a>
