- >1.7 Kmeans算法和逻辑回归
- >2.1 LDA模型的原理
- >2.2 LDA模型的求解
- >2.3 LDA主题模型实战:推荐系统中的应用
- >2.4 LDA模型背后的概率意义
- >2.5 吉布斯采样
- >2.6 LDA模型代码实战
- >1.1 特征交叉的原理和意义
- >1.2 特征交叉的数学实现
- >1.3 通过内积简化特征交叉
- >1.4 FM模型原理详解
- >1.5 FM模型和逻辑回归异同解析
- >2.1 FM模型在数学上的化简
- >2.2 梯度下降法在FM模型中的应用
- >使用python进行FM模型实战
- >1.1 特征变换和特征提取
- >1.2 激活函数的意义和必要性
- >1.3 深层模型架构
- >1.4 softmax函数和多分类
- >1.5 深度学习和神经网络


