diff --git a/.idea/workspace.xml b/.idea/workspace.xml index 7bd0319..0ffd8e9 100644 --- a/.idea/workspace.xml +++ b/.idea/workspace.xml @@ -2,10 +2,8 @@ - - - + @@ -41,8 +39,8 @@ - - + + @@ -65,8 +63,8 @@ - - + + @@ -601,9 +599,9 @@ - + - + @@ -1259,7 +1257,7 @@ - + @@ -1273,15 +1271,15 @@ - - + + - + @@ -1295,8 +1293,8 @@ - - + + @@ -1317,8 +1315,8 @@ - - + + diff --git a/README.md b/README.md index 51da792..2f7a2a9 100644 --- a/README.md +++ b/README.md @@ -351,15 +351,15 @@ - [Xavier初始化](推荐/DeepFM.md#L164) - [He初始化](推荐/DeepFM.md#L164) - YoutubeNet - - [变长数据如何处理的](推荐/YoutubeNet.md#L164) - - [input是怎么构造的](推荐/YoutubeNet.md#L164) - - [最后一次点击实际如何处理的](推荐/YoutubeNet.md#L164) - - [output的是时候train和predict如何处理的](推荐/YoutubeNet.md#L164) - - [如何进行负采样的](推荐/YoutubeNet.md#L164) - - [item向量在softmax的时候你们怎么选择的](推荐/YoutubeNet.md#L164) - - [Example Age的理解](推荐/YoutubeNet.md#L164) - - [什么叫做不对称的共同浏览(asymmetric co-watch)问题](推荐/YoutubeNet.md#L164) - - [整个过程中有什么亮点?有哪些决定性的提升](推荐/YoutubeNet.md#L164) + - [变长数据如何处理的](推荐/YouTubeNet.md#L164) + - [input是怎么构造的](推荐/YouTubeNet.md#L164) + - [最后一次点击实际如何处理的](推荐/YouTubeNet.md#L164) + - [output的是时候train和predict如何处理的](推荐/YouTubeNet.md#L164) + - [如何进行负采样的](推荐/YouTubeNet.md#L164) + - [item向量在softmax的时候你们怎么选择的](推荐/YouTubeNet.md#L164) + - [Example Age的理解](推荐/YouTubeNet.md#L164) + - [什么叫做不对称的共同浏览(asymmetric co-watch)问题](推荐/YouTubeNet.md#L164) + - [整个过程中有什么亮点?有哪些决定性的提升](推荐/YouTubeNet.md#L164) - Wide&Deep - MLR - Neural Network全家桶 diff --git "a/\346\216\250\350\215\220/DeepFM.md" "b/\346\216\250\350\215\220/DeepFM.md" index 9abf2f4..2fcdada 100644 --- "a/\346\216\250\350\215\220/DeepFM.md" +++ "b/\346\216\250\350\215\220/DeepFM.md" @@ -5,8 +5,8 @@ DNN是DeepFM中的一个部分,DeepFM多一次特征,多一个FM层的二次 DeepFM对Wide&Deep中的Wide层进行了优化,增加了交叉特征 # 你在使用deepFM的时候是如何处理欠拟合和过拟合问题的? -欠拟合:增加deep部分的层数,增加epoch的轮数,增加learning rate,增加正则化力度 -过拟合:在deep层直接增加dropout的率,减少epoch轮数,增加更多的数据,减少正则化力度,shuffle数据 +- 欠拟合:增加deep部分的层数,增加epoch的轮数,增加learning rate,增加正则化力度 +- 过拟合:在deep层直接增加dropout的率,减少epoch轮数,增加更多的数据,减少正则化力度,shuffle数据 # DeepFM怎么优化的? - embedding向量可以通过FM初始化