矩阵分解在推荐系统中的应用(3)_SVD在推荐系统中的应用

矩阵分解在推荐系统中的应用翻译系列第三篇, SVD在推荐系统中的应用。

阅读全文

矩阵分解在推荐系统中的应用(2)_SVD背后的模型

矩阵分解在推荐系统中的应用翻译系列第二篇, SVD背后原理。

阅读全文

矩阵分解在推荐系统中的应用(1)_PCA初探

阅读全文

分解机(Factorization Machines)原理小记

FM算法,全称Factorization Machines, 一般翻译为“因子分解机”。 2010年,它由当时还在日本大阪大学的Steffen Rendle提出。此算法的主要作用是可以把所有特征进行高阶组合,减少人工参与特征组合的工作,工程师可以将经历集中在模型参数调优。FM只需要线性时间复杂度,可以应用于大规模机器学习。经过部分数据集试验,此算法在稀疏数据集上的效果要明显好于SVM。

阅读全文

奇异值分解SVD

奇异值分解(Singular Value Decomposition,一下简称SVD)是在机器学习领域广泛应用的算法,它不光可以用于降维算法中的特征分解,还可以用于推荐系统,以及自然语言处理等领域。是很多机器学习算法的基石。这篇文章先简单描述奇异值分解的原理,及部分应用场景。

阅读全文

特征值与特征向量

奇异值分解(Singular Value Decomposition,一下简称SVD)是在机器学习领域广泛应用的算法,它不光可以用于降维算法中的特征分解,还可以用于推荐系统,以及自然语言处理等领域。是很多机器学习算法的基石。这篇文章先简单描述奇异值分解的基础,特征值分解。

阅读全文

字符串编辑距离

编辑距离问题:给出两个字符串S1、S2,对S1进行插入、删除、替换的操作,每次只能操作一个字符,最少操作多少步,使其等于S2。

阅读全文

逻辑回归小记

逻辑斯蒂回归(logistic regression)是统计学习中的经典分类方法。

阅读全文

LightGBM 小记

LightGBM 是微软开源的基于决策树的高性能分布式的梯度优化机器学习框架。最近项目刚好用到,这里作简要记录。

阅读全文

GBDT学习总结(四)——提升树

GBDT学习总结,第四部分: 提升树, 内容主要引自《统计学习方法》(李航)

阅读全文