你将收获

理解推荐系统和CTR预估任务中的数据特点;

理解协同过滤思想;

运用FTRL和FM/FFM模型解决实际问题。

适用人群

有一定数学和计算机编程基础,希望掌握推荐系统相关知识的学员。

课程介绍

本章介绍推荐系统相关的知识

课程目录

学员评价

5.0
  • 0%
  • 0%
  • 0%
  • 0%
  • 0%

正在加载中...

同学笔记

  • qq_33209827 2020-05-09 18:35:24

    来源:Wide and Deep Learning模型 查看详情

     

     

  • sinat_41475087 2020-03-06 23:44:48

    来源:FM与FFM 查看详情

    fm:对与样本做onehot后,样本特征非常稀疏,通过交叉特征来获取更多特征,增加了有效的区分。

     

    ffm:将原始的特征看为一个field,onehot再交叉,同时交叉的时候,不同的field之间的特征也要交叉。获得更多的特征,更多的有效的区分。

     

  • sinat_41475087 2020-03-02 23:50:45

    来源:CTR预估简介 查看详情

    对各种协同过滤等方法推荐到的物品,由于评估标准,分数不同,需要重新排序。此时就可以根据点击率来,即ctr预估。

    通过训练模型预测得到物品是否会被点击,以及分数。

     

    auc曲线,真阳/假阳  不太会因为正负样本的比例变化。

没有更多了