1.鸢尾花数据集介绍：Iris数据集是常用的分类实验数据集，由Fisher在1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。基于Fisher的线性判别模

1. 写作目的​首先感叹一下推荐系统的子领域是这么的丰富，可以有召回阶段的传统推荐、精排阶段的CTR、序列化推荐、对话推荐、推荐系统与图神经网络结合、推荐系统与知识图谱结合、推荐系统与NAS技术结合。论文看得眼花缭乱，慕然回首，发现自己根本没入门。​BPR算法是基础的推荐算法，在我入门推荐系统时很容易理解BPR算法，但是当我想实现完整的推荐算法时，却困难重重，如何加载数据，如何进行负采样，如何写评

本文主要任务是利用Pytorch实现DeeoFM模型，并在将模型运行在Criteo数据集上进行验证测试。DeepFM模型简述FM模型善于挖掘二阶特征交叉关系，而神经网络DNN的优点是能够挖掘高阶的特征交叉关系，于是DeepFM将两者组合到一起，实验证明DeepFM比单模型FM、DNN效果好。DeepFM相当于同时组合了原Wide部分+二阶特征交叉部分+Deep部分三种结构，无疑进一步增强了模型的表

之前一直是自己实现MultiHead Self-Attention程序，代码段又臭又长。后来发现Pytorch 早已经有API nn.MultiHead()函数，但是使用时我却遇到了很大的麻烦。首先放上官网说明：MultiHead(Q,K,V)=Concat(head1,…,headh)WOwhere headi=Attention(QWiQ,KWiK,VWiV)MultiHead(Q,

Amazon Review Dataset数据集记录了用户对亚马逊网站商品的评价，是推荐系统的经典数据集，并且Amazon一直在更新这个数据集，根据时间顺序，Amazon数据集可以分成三类：2013 版 https://nijianmo.github.io/amazon/index.html2014版 http://jmcauley.ucsd.edu/data/amazon/index_2014.

这个学期初参加了华为软件精英挑战赛，经过了一个月的努力，最终取得了一个差强人意的成绩。在杭厦赛区初赛位列40名，20-40名的成绩实在是太接近，离晋级差了1分，无奈技不如人，分数上的微小差距可能是技术上的巨大差距。这次比赛门槛比较低，很多人说是华为比赛最水的一届，也有人称这是一届华为调参大赛。我能进入赛区的64强也是侥幸。赛题：简单描述，根据2-3月的虚拟机使用情况，预测接下来1-2星期的虚拟机使

Amazon Review Dataset数据集记录了用户对亚马逊网站商品的评价，是推荐系统的经典数据集，并且Amazon一直在更新这个数据集，根据时间顺序，Amazon数据集可以分成三类：2013 版 https://nijianmo.github.io/amazon/index.html2014版 http://jmcauley.ucsd.edu/data/amazon/index_2014.