推荐系统
- 原文作者
- Summer 其中第 1—13 题来自 Summer 编写的协同过滤文档。
在协同过滤中，常用的相似度函数有哪些，简要说明
原题有了相似度测量后，那么基于邻域的推荐思路是怎样的呢？
原题协同过滤算法具有特征学习的特点，试解释原理以及如何学习
原题此处“特征学习”由正文限定为用户—物品评分的潜因子矩阵分解。
如何简单计算user偏差以及item偏差？
原题如何选择协同过滤算法是基于user还是基于item
原题使用协同过滤算法之前，数据应该如何进行预处理？
原题协同过滤的方式有哪些？
原题如何通过相似度计算设计协同过滤推荐系统？
原题请谈谈你对协同过滤中特征学习的理解？
原题如何将协同过滤用于推荐系统？
原题FUNK SVD相对于SVD有哪些优势？
原题如何求解FUNK SVD？
原题请描述下协同过滤的优缺点？
原题Wide&Deep与DeepFM的区别？
原题DeepFM的Wide部分与Deep部分分别是什么？Embedding内容是否共享
原题在线学习的学习率如何设置
原题此处在线学习率指 GBDT+LR 文章中的增量 LR 更新。
lr的权重个数和gbdt的什么有关?
原题负样本欠采样之后会对模型有什么影响，怎么解决?
原题GBDT特征的重要性是如何评估的?
原题gbdt+lr如何训练
原题为什么建树采用ensemble决策树?
原题为什么建树采用GBDT而非RF?
原题原题的 GBDT 与 RF 选型位于 GBDT+LR 特征生成语境。
GBDT与LR融合方案
原题为什么建树采用GBDT而非RF?
原题
暂无题目