virtualbox安装ubuntu后共享文件夹自动挂载问题注：此篇博客为转载，尊重原创原贴说明如下：http://forum.ubuntu.org.cn/viewtopic.php?p=3074035方法一：大部分网络资料都是说在 /etc/fstab 文件中追加 VirtualBox虚拟机文件夹共享挂载命令 “ sharing /mnt/shar

ubuntu16.04+GTX750ti+python3.6.5配置TensorFlow-1.8.0        因为ubun

PLE模型是腾讯发表在RecSys ’20上的文章，这篇paper获得了recsys'20的best paper award，也算为腾讯脱离技术贫民的大业添砖加瓦了。这篇文章号称极大的缓解了多任务学习中存在的两大顽疾：负迁移（negative transfer）现象和跷跷板（seesaw phenomenon），由此带来了相比较其他MTL模型比较大的性能提升。从论文呈现的实验结果也确实是这样的，但

DIN（Deep Interest Network）模型是阿里妈妈盖坤团队发表在KDD'18上的文章，因为有阿里的光环，因此，这个模型在业界还是比较有名气的，至于最终在其他公司场景下有没有效果，取决于对比的baseline，如果你的baseline足够弱，理论上会有一定效果的提升，当然，如果你的baseline够强，可能一点效果都没有。之前博客介绍的模型都在解决如何有效的学到高阶交叉特征，而DIN

如果又有多个目标，多个tower之间的相关性并不是很强，比如，CTR、点赞、时长、完播、分享等，并且有的目标的数据量并不是很足够，甚至无法单独训练一个DNN（当然，你如果说我单独建模用xgb，那我无话可说），在这种情况下，我们可能就要考虑MTL了，这时候MMoE就可以派上用场了。值得一提的是，MMoE是谷歌发表在KDD'18上的，和阿里的ESMM同年发表，所以相互之间应该独立的两个工作。

梯度提升决策树（Gradient Boosting Decision Tree，GBDT）集成学习的系列博客：集成学习（ensemble learning）基础知识随机森林（random forest）AdaBoost算法（一）——基础知识篇AdaBoost算法（二）——理论推导篇梯度提升决策树（Gradient Boosting Decision Tree，GBDT）今天来讲一...

使用python的matplotlib（pyplot）画折线图和柱状图        今天帮师兄赶在deadline之前画论文的图，现学现卖很是刺激，现把使用matplotlib的子库pyplot画折线图和柱状图的代码记录分享一下，方便大家参考，个人感觉p

机器学习的前世今生：一段波澜壮阔的历史注：本篇文章为转载，原文地址为：http://mp.weixin.qq.com/s?__biz=MzIwMTgwNjgyOQ==&mid=2247484356&idx=1&sn=51459e0e5bddebf6c4faf56111749b9b ，尊重原创MachineLear

机器学习中常见的几种优化方法声明：本文为转载，原文作者为：Poll的笔记，原文链接为：http://www.cnblogs.com/maybe2030/p/4751804.html#rd，尊重原创阅读目录1. 梯度下降法（Gradient Descent）2. 牛顿法和拟牛顿法（Newton's method & Quasi-Newton Metho

保存训练好的机器学习模型        当我们训练好一个model后，下次如果还想用这个model，我们就需要把这个model保存下来，下次直接导入就好了，不然每次都跑一遍，训练时间短还好，要是一次跑好几天的那怕是要天荒地老了。。sklearn官网提供了两种保存model的方法：官网地址1.使用python自带的picklefrom sklearn.ensemble import Ra