Home | Archives | OJ | Algorithm | Math | Dev | About |
|
wide & deep Wide & Deep Learning for Recommender Systems. 2016 wide指的是形如LR的这种特征较为稀疏的比较“宽”的模型,这类模型的特点是计算简单、可解释性优秀(有比较好的记忆能力);deep指的是各种NN类型的,将“宽
单调序列结构,这里不仅仅指的是数组,指的是用于加速检索结果的线性数据结构(vector、队列、栈等)。用例题解释~ Minimum Number in Sliding Window 有一个长为 n 的序列 nums,以及一个大小为 k 的窗口。现在这个从左边开始向右滑动,每次滑动一个单位,求出每次滑
FM Factorization Machines. 2010 FM(Factorization Machine)是推荐系统常用典算法之一 LR(或者线性回归)是个简单的线性模型,可解释性好。LR假设所有的特征都是独立存在的,所以一个其明显的缺陷是不能的考虑组合特征。SVM的核函数(多项式函数$K(
常用的python函数 sortpython的sort函数有两种 L.sort原地排序12l=[3, 2, 4, 1, 5]l.sort(comp, key, reverse=False) 其中 comp是列表元素的比较函数 key指定排序的键值,可以是一个函数。指定key的方法比comp快 dic
二叉搜索的理念比较简单,不赘述,这里说的是在循环处理、边界条件上的内容。 循环条件:包含的是有必要继续进行搜索的区间,如果没有必要继续计算了,把循环条件放开 边界处理:初始的范围应该覆盖所有可能的取值 边界缩进:判断时,把可能找到最终结果的条件放在一起;缩进边界的时候要保证可能的结果依旧在新的边界范
Interested FieldNatural Language Processing, Machine Learning, Deep Learning, Information Retrieval, Privacy Protection, Search Working Experience [Ap