首页
学习
活动
专区
工具
TVP
发布

AlgorithmDog的专栏

专栏作者
46
文章
78086
阅读量
41
订阅数
一个特殊场景的 LR 预测优化 Trick
我们的业务碰到了一个很特殊的场景:用户数量巨大,上亿;物品数目比较少,不超过 500 个。针对这个特点,我们设计了一个小程序 Trick。这个程序 Trick 极大地提高了 LR 的预测性能,预测耗时减为原来的 120 分之一。
AlgorithmDog
2018-02-07
1.2K0
遗传算法系列之五:多目标遗传算法和遗传编程
本文介绍了遗传算法的基本概念、发展历程、应用案例以及未来展望。遗传算法是一种基于自然选择和遗传学原理的优化搜索算法,具有高度的并行性、全局搜索能力和鲁棒性。在计算机科学、人工智能、机器学习和生物信息学等领域具有广泛的应用。随着理论和技术的发展,遗传算法在解决复杂问题、优化模型和降低计算复杂度等方面取得了重要进展。
AlgorithmDog
2018-01-08
5.3K0
遗传算法系列之三:数学摆摆手,“很惭愧,只做了一点微小的工作”
本文介绍了遗传算法的基本概念、工作原理和应用,并分析了遗传算法中的模式定理和马尔科夫链分析方法。作者通过实例讲解了遗传算法在解决实际问题中的应用,并探讨了遗传算法的发展趋势和未来研究方向。
AlgorithmDog
2018-01-08
1.3K0
遗传算法系列之二:“欺骗”深度学习的遗传算法
本文介绍了遗传算法在解决复杂问题中的应用,包括在机器人路径规划、神经网络参数优化、机器人视觉系统中的运动物体检测和识别、以及自动化作曲等领域。遗传算法在这些领域的应用中,表现出极大的潜力和广泛的应用前景,同时也存在一些挑战和需要解决的问题。
AlgorithmDog
2018-01-08
2.3K0
遗传算法系列之四:遗传算法的变种
本文介绍了遗传算法的发展历程、应用案例、变种以及未来展望。
AlgorithmDog
2018-01-08
3.5K0
深度学习框架大战正在进行,谁将夺取“深度学习工业标准”的荣耀?
AlgorithmDog
2017-12-29
1K0
XGBoost + LR 就是加特征而已
本文介绍了XGBoost+LR算法在工业界的一些应用,以及在CTR预估领域的成绩。作者通过在Criteo数据集上的实验表明,XGBoost+LR可以有效地提高CTR预测的准确度,同时也能够降低算法的计算复杂度。虽然XGBoost+LR在预测效果上并没有达到深度学习的效果,但是它的优势在于算法复杂度更低,更适合于工业界的应用。同时,作者也指出了XGBoost+LR的局限性,例如无法处理非线性和复杂关系,需要更多的特征工程等等。因此,对于工业界来说,需要根据具体的应用场景和需求来选择合适的算法和模型,同时也需要更多的实验和研究来探索更优的解决方案。
AlgorithmDog
2017-12-29
1.6K0
工欲善其事必先利其器——游戏 AI 环境对比
本文探讨了游戏 AI 环境的四个主要特点:环境交互、策略、学习和适应。作者详细介绍了这些特点,并通过一个简化版的星际争霸 II 游戏来演示这些特点在实际游戏中的应用。
AlgorithmDog
2017-12-29
9840
强化学习系列之九:Deep Q Network (DQN)
本文介绍了强化学习中的马尔科夫决策过程、模型相关的强化学习、模型无关的策略评价、模型无关的策略学习和价值函数近似等概念。作者通过举例来说明这些概念在强化学习中的应用,并提出了针对这些概念的相关算法。最后,作者对强化学习未来的研究方向进行了展望,包括深度强化学习和策略搜索算法等。
AlgorithmDog
2017-12-29
2.1K0
动态图计算:Tensorflow 第一次清晰地在设计理念上领先
本文介绍了动态图计算在深度学习框架中的实现和优势,包括TensorFlow Fold、动态图计算和总结。
AlgorithmDog
2017-12-29
1.2K0
迟蹭一个热点:自我对弈的 AlphaGo Zero
AlgorithmDog
2017-10-26
1.9K0
没有更多了
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档