JLChenBlog

python中的一些概念，call、name、main

Typora代码块添加折叠按钮-修改框架文件

hexo安装 参考官网：文档 | Hexo 初学者可配置部署到GithubPages hexo博客基本教程 三步 写文章 生成静态文件 部署 写博客+发布 文章yaml 配置，格式 12345678910111213141516171819202122232425262728293031categories: - [软件] - [软件,PC软件]tags: - [markdown笔记] - [Typora] ######################### tag用法：tags: - 123 - 456tags: [123, 456]多标签写法，这2种都是一样的效果，用哪个都 ...

对推荐系统中embedding的一些认识和理解 有待于进一步思考完善 1. 什么是embedding embedding是一种将高维数据映射到低维空间的技术，它是一种将离散数据转换为连续向量的方法。在推荐系统中，embedding主要用于将用户和物品映射到低维空间，以便于计算用户和物品之间的相似度。 利用embedding做匹配，从精确匹配转化为模糊查找， 一些问题 1. user和item的embedding有什么含义，用户的embedding是不是用户的兴趣向量， 在推荐系统中，用户（user）和物品（item）的嵌入（embedding）通常是指将用户和物品映射到低维空间的向量表示。 ...

Flask基本认识以及，进一步学习途径

Python中的一些概念、关键词

修饰器 装饰器(Decorators)是 Python 的一个重要部分。简单地说：他们是修改其他函数的功能的函数。他们有助于让我们的代码更简短，也更Pythonic（Python范儿）。 装饰器让你在一个函数的前后去执行代码。 python中的函数 将函数赋值给一个变量，相当于是创建了一个新的函数，函数名为这个变量名 1234567891011121314151617def hi(name="yasoob"): return "hi " + nameprint(hi())# output: 'hi yasoob'# 我们甚 ...

书名：深度学习推荐系统 作者：王喆 出版社：电子工业出版社 出版时间：2020-03-01 ISBN：9787121384646 本篇为笔者阅读该书简要总结，推荐阅读原书。 传统推荐模型烟花关系图 协同过滤算法族 从物品相似度和用户相似度角度出发，协同过滤衍生出物品协同过滤(ItemCF)和用户协同过滤(UserCF)两种算法，再到MF 逻辑回归算法族 与协同过滤仅利用用户和物品之间的显式或隐式反馈信息相比，逻辑回归能够利用和融合更多用户、物品及上下文特征 因子分解机模型族 因子分解机在传统逻辑回归的基础上，加入了二阶部分，使模型具备了进行特征组合的能力 ...

数据编码方式 one-hot one-hot编码是将类别型特征转换成向量的一种编码方式。由于类别型特征不具备数值化意义，如果不进行one-hot编码，无法将其直接作为特征向量的一个维度使用。举例来说，某样本有三个特征，分别是星期、性别和城市，用[Weekday=Tuesday，Gender=Male，City=London]表示。由于模型的输入特征向量仅可以是数值型特征向量，无法把“Tuesday”这个字符串直接输入模型，需要将其数值化，最常用的方法就是将特征做one-hot 编码. Weekday=Tuesday:[0,1,0,0,0,0,0] Gender=Male:[0,1] City= ...

似然函数 似然函数是一种在统计推断中用于参数估计的函数，它表示在给定参数下观测数据出现的概率。 似然函数通常定义为给定参数θ时观测数据x出现的概率，即L(θ|x) = P(X=x|θ)。在统计学中，似然函数是关于统计模型参数的函数，它可以帮助我们了解在特定参数值下观测到当前数据集的可能性。似然函数的具体定义取决于随机变量的性质： 离散型随机变量：如果研究的随机变量是离散型的，那么似然函数就是所有观测值概率的乘积。例如，如果我们有一个离散型随机变量Y的样本y₁， y₂， …, yₙ，那么似然函数L(θ|y₁， y₂， …, yₙ)就是这些观测值各自概率的乘积。 连续型随机变量：对于连续型随机变 ...