书目信息 |
| 题名： |
机器学习
|
|
| 作者： | 燕彩蓉 ， 潘乔 编著 | |
| 分册： | ||
| 出版信息： | 北京 科学出版社 2019.02 |
|
| 页数： | 116页 | |
| 开本： | 24cm | |
| 丛书名： | ||
| 单 册： | ||
| 中图分类： | TP181 | |
| 科图分类： | ||
| 主题词： | 机器学习--ji qi xue xi--研究 | |
| 电子资源： | ||
| ISBN： | 978-7-03-060145-2 | |
| 000 | 01346nam0 2200277 450 | |
| 001 | CAL 0120192698474 | |
| 005 | 20190322164236.6 | |
| 010 | @a978-7-03-060145-2@dCNY58.00 | |
| 100 | @a20190321d2019 em y0chiy50 ea | |
| 101 | 0 | @achi |
| 102 | @aCN@b110000 | |
| 105 | @aak a 000yy | |
| 106 | @ar | |
| 200 | 1 | @a机器学习@Aji qi xue xi@e因子分解机模型与推荐系统@f燕彩蓉, 潘乔编著@Fyan cai rong , pan qiao bian zhu |
| 210 | @a北京@c科学出版社@d2019.02 | |
| 215 | @a116页@c图@d24cm | |
| 320 | @a有书目 (第109-116页) | |
| 330 | @a本书通过比较因子分解机 (FM) 模型与其他模型之间的关联关系, 阐述FM模型的灵活性和普适性 ; 从特征的高阶交互、特征的场交互、特征的分层交互, 以及基于特征工程的特征提取、合并、智能选择和提升等角度总结模型在宽度扩展方面的方法、策略和关键技术 ; 比较和分析了FM模型与其他模型的集成方式和特点, 尤其是与深度学习模型的集成, 为传统模型的深度扩展提供了思路 ; 同时对FM模型的优化学习方法和基于不同并行与分布式计算框架的实现进行概括、比较和分析 ; 最后, 对FM模型中有待深入研究的难点、热点及发展趋势进行展望。 | |
| 517 | 1 | @a因子分解机模型与推荐系统@Ayin zi fen jie ji mo xing yu tui jian xi tong |
| 586 | @a | |
| 606 | 0 | @a机器学习@Aji qi xue xi@x研究 |
| 690 | @aTP181@v5 | |
| 701 | 0 | @a燕彩蓉@Ayan cai rong@4编著 |
| 701 | 0 | @a潘乔@Apan qiao@4编著 |
| 801 | 0 | @aCN@c20190321 |
| 905 | @a河南城建学院图书馆@dTP181@eY035@f2 | |
| 机器学习：因子分解机模型与推荐系统/燕彩蓉, 潘乔编著.-北京：科学出版社，2019.02 |
| 116页：图；24cm |
| ISBN 978-7-03-060145-2：CNY58.00 |
| 本书通过比较因子分解机 (FM) 模型与其他模型之间的关联关系, 阐述FM模型的灵活性和普适性 ; 从特征的高阶交互、特征的场交互、特征的分层交互, 以及基于特征工程的特征提取、合并、智能选择和提升等角度总结模型在宽度扩展方面的方法、策略和关键技术 ; 比较和分析了FM模型与其他模型的集成方式和特点, 尤其是与深度学习模型的集成, 为传统模型的深度扩展提供了思路 ; 同时对FM模型的优化学习方法和基于不同并行与分布式计算框架的实现进行概括、比较和分析 ; 最后, 对FM模型中有待深入研究的难点、热点及发展趋势进行展望。 |
| ● |
| 相关链接 |
|
|
|
正题名：机器学习
索取号：TP181/Y035
预约/预借
| 序号 | 登录号 | 条形码 | 馆藏地/架位号 | 状态 | 备注 |
| 1 | 1414870 | 214148705 | 自科库301/301自科库 39排5列4层/ [索取号:TP181/Y035] | 在馆 | |
| 2 | 1414871 | 214148714 | 自科库301/301自科库 39排5列4层/ [索取号:TP181/Y035] | 在馆 |