Colab入门1 前言2 准备工作3 如何读入数据4 如何安装keras等第三方库参考1 前言最近希望run起来深度学习的相关模型，比如CNN，刚好也是之前的一个项目，但是本机实现跑不动，于是请教师兄，建议我上手Google的Colab，于是刚才就吭哧吭哧的搞起来了！初次上手还是遇到了很多坑的，下面总结一下，方便后面入门的小伙伴们避坑~2 准备工作登录的网址是：https://colab...

Faiss原理及实现1 前言2 什么是Faiss2.1 为什么会出现Faiss？2.2 Faiss的优点2.3 Faiss组件2.3.1 索引Index2.3.2 索引Index选择的原则2.4 优化方法：单元-探测（Cell-probe） 方法3 Faiss的Python实现3.1 导入库3.2 准备数据3.3 创建索引(Index)3.4 查找相似向量3.5 加速搜索3.6 减少内存3.7 G

待补充

CNN原理及Keras实现1 前言2 什么叫卷积神经网络？2.1 应用场景2.2 CNN的网络结构2.2.1 卷积层2.2.2 池化层2.2.3 Flatten层 & Fully Connected Layer2.3 其余的问题3 keras简单介绍及实现简单三层神经网络3.1 导入相关的库3.2 读入数据3.3 搭建网络3.4 编译3.5 拟合模型3.6 绘制损失函数曲线图3.7 预测4

聊聊AHP层次分析法1 什么是AHP层次分析法？2 这个方法是干吗呢？在什么场景使用？3 AHP层次分析法的实现3.1 步骤3.2 实际的例子3.2.1 背景3.2.2 Step1 构建层次结构模型3.2.3 Step2 构造成对比较矩阵3.2.4 Step3 一致性检验3.2.5 Step4 确定权重和最优方案3.3 Python实现3.3.1 直接将打分ok的excel表格读入并进行一致性检验

文章目录1 背景2 原理3 数据的准备3.1 读入数据3.2 切分训练集测试集4 LR5 LGB6 LGB+LR6.1 LGB实现6.2 LGB的vector导出来！6.2.1 训练集6.2.2 测试集6.3 LR+LGB7 结果对比1 背景相信大名鼎鼎的GBDT+LR组合很多小伙伴都听过，这种组合模型的预测效果要比单模型要好，但之前一直没有亲自实践过，最近刚好公司一个项目用到了，故抓紧时间总结一

混淆矩阵和两类错误有什么关系吗？1 混淆矩阵2 统计学上的两类错误3 两者的关系4 参考1 混淆矩阵在机器学习的分类问题中，最后需要去评估我们模型的优劣，这时候有众多的指标可以去考虑，之前两篇博客中也都有涉及，详情见：机器学习 | 评价指标分类问题 | 评价指标在众多评价指标的计算中都得依赖于一个东东，他就是【混淆矩阵】，具体长下面这个样子，但有时候预测值和真实值位置会换过来，不过这...

FM原理及实现1 FM是个啥？2 FM的数学原理3 FM特征的实现样例4 FM的代码实现4.1 数据准备4.2 主代码实现4.2.1 安装xlearn4.2.2 拟合模型4.2.3 预测并得到KS值5 FM的优缺点1 FM是个啥？FM模型首先是一个有监督学习方法，主要用在CTR预估上，适用的情形是高维稀疏！优势是可以自动组合交叉特征，替代人工进行特征工程~同时很多场景下FM模型作为一开始的embe

优化算法有哪些？1 什么是优化算法？1.1 原理1.2 图解2 有哪些优化算法？2.1 SGD2.1.1 思想2.1.2 公式2.2 SGDM2.2.1 原理2.2.2 图解2.2.3 公式2.3 NAG2.3.1 思想2.3.2 公式2.4 AdaGrad2.4.1 思想2.4.2 公式2.5 AdaDelta // RMSProp2.5.1 思想2.5.2 公式2.6 Adam2.6.1 ..

提取关键字的两种方法1 背景1.1 为什么要计算这两个指标？2 什么是TF-IDF2.1 定义2.2 计算方式2.3 举例2.4 Python实现3 什么是TEXT-RANK3.1 定义/思想3.2 计算公式3.3 Python实现3.4 用途4 两者对比5 参考1 背景在前面的一篇博客里，笔者层提到过这两种计算关键词的思路(尴尬了，好像没有提到，没事待会儿写一篇LDA主题模型的博客，里面会涉..