240 发简信
Q_cy
IP属地：福建
  • 180
    Q_cy
    深入浅出PyTorch_3_主要组成部分

    [toc] 基本流程 完成一项深度学习任务的基本流程大致如下： 数据预处理 模型构建 模型训练 模型导出及应用 模型构建则是关键，选择适当的模型，并设定损失函数和优化函数，以...

    337 0 0
  • 180
    Q_cy
    深入浅出PyTorch_2_基础知识

    [toc] 张量(Tensor) 概念 几何代数中定义的张量是基于向量和矩阵的推广，比如我们可以将标量视为零阶张量，矢量可以视为一阶张量，矩阵就是二阶张量。 0维张量/标量 ...

    393 0 0
  • 120
    180
    Q_cy
    深入浅出PyTorch_1_简介和安装

    [toc] PyTorch简介 1.1.1 PyTorch的介绍 PyTorch是由Facebook人工智能研究小组开发的一种基于Lua编写的Torch库的Python实现的...

    548 0 0
  • 180
    Q_cy
    深度学习推荐系统-NFM

    NFM 0.结论 NFM是FM的神经网络化尝试 NFM用神经网络代替FM中二阶隐向量交叉的操作，相比于FM，NFM的表达能力和特征交叉能力更强 局限性在于结构与PNN近似，特...

    1752 0 1
  • 180
    Q_cy
    深度学习推荐系统-DeepFM

    DeepFM 0.结论 DeepFM对W&D模型的改进之处：用FM替代了原来Wide部分，加强了浅层网络部分的特征组合能力 DeepFM改进之处与DeepCrossing的思...

    1207 0 0
  • 120
    180
    Q_cy
    深度学习推荐系统-Wide&Deep

    Wide & Deep 0. 结论 W&D由浅层（或单层）的Wide部分神经网络和深层的Deep部分多层神经网络组成，输出层采用softmax或logistics regre...

    840 0 0
  • 120
    180
    Q_cy
    深度学习推荐系统-DeepCrossing

    DeepCrossing 1. 动机 这个模型就是一个真正的把深度学习架构应用于推荐系统中的模型了， 2016年由微软提出， 完整的解决了特征工程、稀疏向量稠密化， 多层神经...

    350 0 0
  • 120
    180
    Q_cy
    异常检测-高维异常

    主要内容包括： Feature Bagging 孤立森林 练习 1、引言 在实际场景中，很多数据集都是多维度的。随着维度的增加，数据空间的大小（体积）会以指数级别增长，使数据...

    296 0 1
  • 120
    180
    Q_cy
    异常检测-基于相似度的方法

    主要内容包括： 基于距离的度量 基于密度的度量 LOF检测样例 1、概述   “异常”通常是一个主观的判断，什么样的数据被认为是“异常”的，需要结合业务背景和环境来具体分析确...

    715 0 0
  • 120
    180
    Q_cy
    异常检测——线性相关方法

    主要内容包括： 线性回归 主成分分析 基于PCA的异常检测实践针对pca降维后的样本，计算样本之间的加权欧式距离，异常点该距离值远大于正常点。 1、引言   真实数据集中不同...

    872 0 0
  • 120
    180
    Q_cy
    异常检测-基于统计学的方法

    异常检测——基于统计学的方法 主要内容包括： 高斯分布 箱线图 1、概述 统计学方法对数据的正常性做出假定。它们假定正常的数据对象由一个统计模型产生，而不遵守该模型的数据是异...

    1849 0 0
  • 120
    180
    Q_cy
    异常检测概述

    1、什么是异常检测 异常检测（Outlier Detection），顾名思义，是识别与正常数据不同的数据，与预期行为差异大的数据。 识别如信用卡欺诈，工业生产异常，网络流里的...

    874 0 0
  • 180
    Q_cy
暂无个人介绍