具身智能定义：智能体通过与环境产生交互后，通过自身的学习，产生对于客观世界的理解和改造能力。具身智能假设：智能行为可以被具有对应形态的智能体，通过适应环境的方式学习到。因此，地球上所有的生物，都可以说是具身智能。具身智能是能够提升当前的“弱人工智能”认知能力的重要方式。人工智能可以通过与环境交互的渠道，从真实的物理或虚拟的数字空间中学习和进步。同时，具身智能是产生超级人工智能的一条可能路径。具身A

目标：实现GBDT+LR模型代码，并比较和各种RF/XGBoost + LR模型的效果，发现GBDT+LR真心好用啊。内容：构造GBDT+LR步骤训练阶段：1、 获取特性信息2、训练GBDT分类器3、遍历GBDT树的叶子节点，拼接成一个常常的一维向量4、 训练OneHot编码器5、 训练LR模型预测阶段：1、把带预测的特征输入到GBDT2、获得叶子节点，拼接成一个常常的一维向量3、获得OneHot

推荐系统发展历程提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章 Python 机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录推荐系统发展历程前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很

时间序列分析——函数分解第一篇 函数分解函数分解decompose文章目录时间序列分析——函数分解前言一、函数分解是什么？二、建立分解函数1.功能2.测试函数总结前言这几天一直在深思，如何建立一个和实际比较贴切的金融模型，能反映现实生活？比如我们听到国家又放水了，我们可以预期物价又得上涨了，但是如何通过模型来反映这种相关关系呢？伙伴杨RC说用EXCEL建了个模型来预测本期深圳车牌竞价，以达到最小的

报错：org.apache.spark.SparkException: Python worker failed to connect back.尝试了各种网上说的办法，不行，然后解决办法：把我的电脑–管理–高级系统设置–环境变量–系统变量，把SPARK_HOME 设置为python的exe文件，就好了，如下图：就搞定了。WIN10Spark 3.1.2...

具身智能定义：智能体通过与环境产生交互后，通过自身的学习，产生对于客观世界的理解和改造能力。具身智能假设：智能行为可以被具有对应形态的智能体，通过适应环境的方式学习到。因此，地球上所有的生物，都可以说是具身智能。具身智能是能够提升当前的“弱人工智能”认知能力的重要方式。人工智能可以通过与环境交互的渠道，从真实的物理或虚拟的数字空间中学习和进步。同时，具身智能是产生超级人工智能的一条可能路径。具身A

具身智能定义：智能体通过与环境产生交互后，通过自身的学习，产生对于客观世界的理解和改造能力。具身智能假设：智能行为可以被具有对应形态的智能体，通过适应环境的方式学习到。因此，地球上所有的生物，都可以说是具身智能。具身智能是能够提升当前的“弱人工智能”认知能力的重要方式。人工智能可以通过与环境交互的渠道，从真实的物理或虚拟的数字空间中学习和进步。同时，具身智能是产生超级人工智能的一条可能路径。具身A

[[TOC]]目标：经典推荐深度模型 Wide & Deep。完整的paper名称是《Wide & Deep Learning for Recommender Systems》内容：这篇知乎小哥写的挺简单明了的，直接摘抄过来，原文：知乎原文本文介绍一个经典推荐深度模型 Wide & Deep。完整的paper名称是《Wide & Deep Learning for

目标：斯坦福与Google联合发表在AdKDD 2017上的论文《Deep & Cross Network for Ad Click Predictions》。特点：对Wide@Deep模型的升级，可以自动自动构造高阶交叉特征。可以说和华为同期提出的DeepFM属于同一种思想，并且走得更远。看了下作者，好像也是中国人。中国不注重AI人才，导致大量的AI领军人物流失。真是可惜。华为同期提出的

这里写目录标题目标：代码改写成tf2格式tf1和tf2区别：改写内容：tf.placeholdertf.Sess,sess.run具体例子1：结论：目标：代码改写成tf2格式把tensorflow 1.X中的代码，迁移到tensorflow2中。一些常见的改写经验。包括sess，tf.placeholder， tf.InteractiveSession()，tf.Session()tensorfl