• 深度学习推荐系统-NFM

    NFM 0.结论 NFM是FM的神经网络化尝试 NFM用神经网络代替FM中二阶隐向量交叉的操作,相比于FM,NFM的表达能力和特征交叉能力更强 ...

  • 深度学习推荐系统-DeepFM

    DeepFM 0.结论 DeepFM对W&D模型的改进之处:用FM替代了原来Wide部分,加强了浅层网络部分的特征组合能力 DeepFM改进之处...

  • 120
    深度学习推荐系统-Wide&Deep

    Wide & Deep 0. 结论 W&D由浅层(或单层)的Wide部分神经网络和深层的Deep部分多层神经网络组成,输出层采用softmax或...

  • 120
    深度学习推荐系统-DeepCrossing

    DeepCrossing 1. 动机 这个模型就是一个真正的把深度学习架构应用于推荐系统中的模型了, 2016年由微软提出, 完整的解决了特征工...

  • 120
    异常检测-高维异常

    主要内容包括: Feature Bagging 孤立森林 练习 1、引言 在实际场景中,很多数据集都是多维度的。随着维度的增加,数据空间的大小(...

  • 120
    异常检测-基于相似度的方法

    主要内容包括: 基于距离的度量 基于密度的度量 LOF检测样例 1、概述   “异常”通常是一个主观的判断,什么样的数据被认为是“异常”的,需要...

  • 120
    异常检测——线性相关方法

    主要内容包括: 线性回归 主成分分析 基于PCA的异常检测实践针对pca降维后的样本,计算样本之间的加权欧式距离,异常点该距离值远大于正常点。 ...

  • 120
    异常检测-基于统计学的方法

    异常检测——基于统计学的方法 主要内容包括: 高斯分布 箱线图 1、概述 统计学方法对数据的正常性做出假定。它们假定正常的数据对象由一个统计模型...

  • 120
    异常检测概述

    1、什么是异常检测 异常检测(Outlier Detection),顾名思义,是识别与正常数据不同的数据,与预期行为差异大的数据。 识别如信用卡...