Hive
Markdown
Spark
推荐系统
机器学习
深度学习
统计学习方法
- 《统计学习方法》附录c.拉格朗日对偶性
- 《统计学习方法》附录b.牛顿法和拟牛顿法
- 《统计学习方法》附录a.梯度下降法
- 《统计学习方法》9.EM算法
- 《统计学习方法》8.提升方法
- 《统计学习方法》7.支持向量机
- 《统计学习方法》6.逻辑回归和最大墒模型
- 《统计学习方法》5.决策树模型
- 《统计学习方法》4.朴素贝叶斯算法
- 《统计学习方法》3.K近邻算法
- 《统计学习方法》2.感知机
- 《统计学习方法》1.概述
- 《统计学习方法》12.统计学习方法总结
- 《统计学习方法》11.条件随机场
- 《统计学习方法》10.隐马尔可夫模型
- 《统计学习方法》0.笔记介绍
计算广告
论文解读
读书笔记
- 论文解读列表
- 2019-04-22-《Wide & Deep Learning for Recommender Systems》论文解读
- 《计算广告第三部分》读书笔记
- 《统计学习方法》附录c.拉格朗日对偶性
- 《统计学习方法》附录b.牛顿法和拟牛顿法
- 《统计学习方法》附录a.梯度下降法
- 《统计学习方法》9.EM算法
- 《统计学习方法》8.提升方法
- 《统计学习方法》7.支持向量机
- 《统计学习方法》6.逻辑回归和最大墒模型
- 《统计学习方法》5.决策树模型
- 《统计学习方法》4.朴素贝叶斯算法
- 《统计学习方法》3.K近邻算法
- 《统计学习方法》2.感知机
- 《统计学习方法》1.概述
- 《统计学习方法》12.统计学习方法总结
- 《统计学习方法》11.条件随机场
- 《统计学习方法》10.隐马尔可夫模型
- 《统计学习方法》0.笔记介绍
- 《计算广告第二部分》读书笔记
- 《计算广告第一部分》读书笔记