VALSE活动20150701期笔记
2015-07-03 15:02
211 查看
Feature selection via sparse learning_ji liu(刘霁)
优化:从建模,算法和理论三方面考虑。
特征选择:
两种方法,l1 norm和greedy
稀疏求解:
本是l0 norm问题,转化为l1 norm问题。因l0 norm是非convex问题,而l1 norm是对l0 norm的最好的convex近似。convex问题的优势在于,局部最优解即为全局最优解。
l1 norm转换最著名的有LASSO
特征选择:OMP,多stage选择特征。每个stage选择一个最佳特征。
算法评价:两个主要指标:效率和解。
Image feature learning for cold start problem in display advertising_kaixiang mo
应用背景:腾讯广告投放
结论:图片特征加传统特征可以得到更准确的点击率预测。
cold start problem:新广告投放问题
特征选择:
利用深度学习的方法,采用了caffe框架
训练时,从图片的不同区域随机crop相同size的图片块。
实验显示:feature map的size大些可能更好。
可视化:提取出的显著特征:人脸,包邮,货到付款。
优化:从建模,算法和理论三方面考虑。
特征选择:
两种方法,l1 norm和greedy
稀疏求解:
本是l0 norm问题,转化为l1 norm问题。因l0 norm是非convex问题,而l1 norm是对l0 norm的最好的convex近似。convex问题的优势在于,局部最优解即为全局最优解。
l1 norm转换最著名的有LASSO
特征选择:OMP,多stage选择特征。每个stage选择一个最佳特征。
算法评价:两个主要指标:效率和解。
Image feature learning for cold start problem in display advertising_kaixiang mo
应用背景:腾讯广告投放
结论:图片特征加传统特征可以得到更准确的点击率预测。
cold start problem:新广告投放问题
特征选择:
利用深度学习的方法,采用了caffe框架
训练时,从图片的不同区域随机crop相同size的图片块。
实验显示:feature map的size大些可能更好。
可视化:提取出的显著特征:人脸,包邮,货到付款。
相关文章推荐
- [置顶]OpenGL11-绘制汉字最高效方法(使用Freetype)(代码已更新)
- [置顶]OpenGL10-骨骼动画原理篇(3)-Shader版本代码已经上传
- [置顶]OpenGL10-骨骼动画原理篇(2)
- Android开发:shape和selector和layer-list的(详细说明)
- Java try-catch-finally 代码执行顺序
- Access无法启动应用程序,工作组信息文件丢失,或是已被其他用户已独占方式打开
- 小米Note全网通支持7模19频:先发标准版
- 旋转数组的二分查找
- linux 学习方法(转载)
- SignalR + MVC5 简单示例
- GRE写作必备句型
- leetcode 31: Next Permutation
- 音乐播放器
- 关于安装PostgreSQL出现configure: error: zlib library not found处理
- 关于安装PostgreSQL出现configure: error: zlib library not found处理
- 关于安装PostgreSQL出现configure: error: zlib library not found处理
- [置顶]OpenGL10-骨骼动画原理篇(2)
- 关于安装PostgreSQL出现configure: error: zlib library not found处理
- 关于安装PostgreSQL出现configure: error: zlib library not found处理
- 关于安装PostgreSQL出现configure: error: zlib library not found处理