2016年04月_null的专栏_zhiyong_will

12月 11月 10月 09月 07月 06月 05月 04月 03月 01月

一、矩阵分解回顾在博文推荐算法——基于矩阵分解的推荐算法中，提到了将用户-商品矩阵进行分解，从而实现对未打分项进行打分。矩阵分解是指将一个矩阵分解成两个或者多个矩阵的乘积。对于上述的用户-商品矩阵(评分矩阵)，记为Vm×nV_{m\times n}，可以将其分解成两个或者多个矩阵的乘积，假设分解成两个矩阵Wm×kW_{m\times k}和Hk×nH_{k\times n}，我们要使得矩阵Wm×kW

2016-04-19 19:21:30 25589 6

原创计算广告——搜索广告技术初窥

这是对一个PPT的内容的整理，PPT的主要内容是刘铁岩的《Online Advertising》。主要介绍了一些付费搜索相关的一些技术。这篇文章主要是对这方面的知识做一个整理。在搜索广告中，有很多的知识点是值得借鉴的。一、广告1.1、定义：Advertising is a form of communication intended to persuade an audience

2016-04-14 21:50:34 6128

原创机器学习中的常见问题——K-Means算法与矩阵分解的等价

一、K-Means算法的基本原理K-Means算法是较为经典的聚类算法，假设训练数据集XXX为：{x1,x2,⋯,xn}{x1,x2,⋯,xn}\left \{ \mathbf{x}_1,\mathbf{x}_2,\cdots , \mathbf{x}_n \right \}，其中，每一个样本xjxj \mathbf{x}_j为mmm维的向量。此时的样本为一个m×nm×nm\times n的矩...

2016-04-13 16:41:05 5871

原创推荐算法——基于矩阵分解的推荐算法

一、推荐算法概述对于推荐系统(Recommend System, RS)，从广义上的理解为：为用户(User)推荐相关的商品(Items)。常用的推荐算法主要有：基于内容的推荐(Content-Based Recommendation)协同过滤的推荐(Collaborative Filtering Recommendation)基于关联规则的推荐(Association Rule-Based

2016-04-12 17:07:51 43437 44

原创图解机器学习总结——1、基本概念

序言：近期主要帮同事讲解《图解机器学习》，刚拿到这本书觉得内容相比较平常使用的机器学习算法，很多地方讲解得比较奇怪，所以很认真的读了一下，读了书就想把知识点整理出来，加上一些自己对各种算法的认识，因此这个系列里面有一些个人的理解，若有不对的地方，还请不吝指出，谢谢。本系列主要包括：1、基本概念(对应书上第一章和第二章)2、最小二乘学习法3、带有约束条件的最小二乘法4、稀疏学习5、

2016-04-09 21:51:28 5672

原创自然语言中的重要概念——熵(Entropy)

一、背景二、熵1、信息熵2、条件熵3、联合熵4、相对熵三、互信息

2016-04-09 15:49:00 7408

原创优化算法——坐标上升法

一、坐标上升法算法原理坐标上升法(Coordinate Ascent)每次通过更新函数中的一维，通过多次的迭代以达到优化函数的目的。假设需要求解的优化问题的具体形式如下：maxαW(α1,α2,⋯,αm)\underset{\alpha }{max}W\left ( \alpha _1,\alpha _2,\cdots ,\alpha _m \right )其中，WW是向量α⃗ \vec{\alph

2016-04-06 15:00:04 12890

原创 Shell编程——Shell中的数学运算

在Linux Shell中进行数学运算，通常可以使用的运算符有：简单运算： let[](())高级运算： exprbc1、let命令let命令是bash内置命令，可以实现简单的算术以及逻辑运算，通过help let命令，可以查询到let命令的具体使用方法。使用方法：#!/bin/shi=10echo $ilet i=i+10 #20echo $ilet "i=i+100" #12

2016-04-05 17:24:22 11555

在线顺序极限学习机OS-ELM的python实现

与博文（http://blog.csdn.net/google19890102/article/details/45273309）配套的实验

2015-04-25

线性回归实验数据

与我的博客内容同步http://blog.csdn.net/google19890102

2014-05-22

logistic回归测试数据

与我的博客配套，具体参照我的博客文章简单易学的机器学习算法——Logistic回归

2014-05-12

达内java学习笔记-总最全

java学学习必备面向对象主要针对面向过程。面向过程的基本单元是函数。什么是对象：EVERYTHING IS OBJECT（万物皆对象）所有的事物都有两个方面：有什么（属性）：用来描述对象。能够做什么（方法）：告诉外界对象有那些功能。后者以前者为基础。大的对象的属性也可以是一个对象。为什么要使用面向对象：首先，面向对象符合人类看待事物的一般规律。对象的方法的实现细节是屏蔽的，只有对象方法的实现者了解细节。方法的定义非常重要。方法有参数，也可能有返回值。注意区分：对象（本身）、对象的实现者、对象的调用者。分析对象主要从方法开始。我们通过类来看待对象，类是对象的抽象。其次，采用面向对象方法可以使系统各部分各司其职、各尽所能。

2011-01-24

zhiyong_will的留言板

发表于 2020-01-02 最后回复 2020-04-10

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人 TA的粉丝

null的专栏

原创图解机器学习总结——2、回归

原创推荐算法——非负矩阵分解(NMF)