推荐系统及算法常见知识点
白天
夜间
首页
下载
阅读记录
书签管理
我的书签
添加书签
移除书签
贝叶斯优化
浏览
90
扫码
分享
2022-07-12 23:48:56
若有收获,就点个赞吧
0 人点赞
上一篇:
下一篇:
数学
假设检验
拟牛顿
距离度量
余弦相似度
拉普拉斯分布
频率学派与贝叶斯学派
内积和外积
数据预处理
样本分布不一致
数据清洗
白化的含义
样本不平衡
特征工程
特征选择方法总结
CTR平滑技术综述
特征离散化
组合特征处理
贝叶斯平滑
Embedding技术
Word2Vec
Item2vec
DeepWalk
机器学习
有监督学习
线性回归
逻辑回归
支持向量机(SVM)
SMO算法
SVM与LR
决策树算法对比
决策树算法的缺点
决策树对连续值和缺失值的处理
决策树的剪枝
KNN算法
线性判别分析(LDA)
LDA与PCA的区别
朴素贝叶斯
贝叶斯网络
极大似然估计
EM算法
高斯混合聚类算法
无监督学习
主成分分析PCA
K-means算法
Canopy算法
DBSCAN算法
DBSCAN如何选择参数
LDA的数学原理
LDA模型
集成学习
LigtGBM模型代码原理
训练GBDT算法的参数
DART
Bagging与Boosting
GBDT算法
XGBOOST算法详解
XGBoost的构造问题
随机森林
损失函数
模型融合
正则化
没有免费的午餐
拟合问题
深度学习
BN和LN的原理
神经网络使用激活函数的原因
神经网络的特点
梯度消失问题
神经网络的参数初始化
反向传播算法
学习率的选取
循环神经网络的激活函数
LSTM
LSTM的激活函数
GRU
注意力机制
激活函数GELU
池化
残差连接
模型不收敛
GAN
正则化
DropOut
权重衰减
提前停止
对抗训练
知识蒸馏
知识蒸馏简介
对比学习
对比学习简介
典型模型
召回和粗排
对抗训练
对抗训练浅谈
优化算法
梯度下降算法
随机梯度下降算法的加速
坐标下降法
贝叶斯优化
召回算法
召回的方法总结
协同过滤
Apriori算法
FP Growth算法
MF算法
YouTubeDNN召回
YoutubeDNN召回的创新点
排序算法
Wide&Deep
常见模型对比
GBDT LR算法
YoutubeDNN排序的创新点
FM与FFM
负样本构造
最近邻搜索算法
常见的搜索算法
KNN
维度诅咒
Locality Sensitive Hash(LSH)
NSW算法
HNSW算法原理
Product Quantization(PQ)
模型评估
GAUC
F1-Score
ROC的AUC具有鲁棒性的原因
模型的评估指标
训练集和测试集
评估方法
偏差、方差与噪声
回归的评估指标
Java
HashSet的遍历方式
推荐系统知识
排序指标
召回和排序
推荐系统的架构
冷启动
序列化推荐算法
CTR建模理论
CVR初探
代码常见题
数组中数字出现的次数
两个有序数组找数字
爬楼梯
爬楼梯可回退
寻找中位数
归并排序
快排
数组的TopN
接雨水
给NX3的网格图涂色的方案数
公交路线
n次方幂
平方根
平方根(进阶版本)
分割数组
寻找下一个大的数字
数组中的第K大数字
扑克牌中的顺子
约瑟夫环
不用加减乘除做加法
求所有质数
计算机操作系统
线程和进程的区别
SQL
Hive的SQL查询语句详解
面试集锦
面试知识点
项目介绍
模型介绍
竞赛介绍
面经
Readme
暂无相关搜索结果!
让时间为你证明
分享,让知识传承更久远
×
文章二维码
×
手机扫一扫,轻松掌上读
文档下载
×
请下载您需要的格式的文档,随时随地,享受汲取知识的乐趣!
PDF
文档
EPUB
文档
MOBI
文档
书签列表
×
阅读记录
×
阅读进度:
0.00%
(
0/0
)
重置阅读进度
×
思维导图备注