lyj555 / SelfLearningLinks
该项目主要是自学过程中对于一些知识点的整理,项目整体分为四部分,分别是算法、工程、工具和数学知识。算法部分主要是常用的机器学习(LR、SVM、树模型、XGBoost、LightGBM和CatBoost等)和深度学习算法(NLP和CV以及一些基础知识),工程部分主要是spark和hive
☆23Updated 3 years ago
Alternatives and similar repositories for SelfLearning
Users that are interested in SelfLearning are comparing it to the libraries listed below
Sorting:
- 机器学习、深度学习基础知识. 推荐系统及nlp相关算法实现☆67Updated 2 years ago
- tensorflow2.0 实现的 DeepFM,使用 Criteo 子数据集加以实践。☆29Updated 4 years ago
- 整理所有特征工程用到的方法,为了复用☆10Updated 4 years ago
- 2021科大讯飞-车辆贷款违约预测挑战赛 Top1方案☆69Updated 3 years ago
- 天池阿里灵杰问天引擎电商搜索算法赛非官方 baseline,又名 NLP 从入门到 22/2771。☆90Updated 2 years ago
- 三大boosting算法的工程实现 XGBoost、LightGBM、Catboost原理实现及常见面试问题总结,以及其他理解深刻的机器学习、深度学习文章备份☆11Updated 3 years ago
- 简单的实现推荐系统的召回模型和排序模型,其中召回模型使用协同过滤算法,排序模型使用gbdt+lr算法☆59Updated 6 years ago
- 阿里云天池零基础入门NLP比赛_rank4选手比赛总结: https://tianchi.aliyun.com/competition/entrance/531810/introduction☆194Updated 2 years ago
- 基于真实业务上手数据挖掘(银行流失预警):数据的处理、LightGBM、skLearning包(里面含有:GridSearchCV寻找最优参、StratifiedKFold分层5折切分、_test_Split单次数据切分等)、叠层模型融合、画AUC图、画混淆矩阵图,并输出预…☆96Updated 3 years ago
- 天池-Datawhale 零基础入门NLP-新闻文本分类 最终榜Top10分享☆60Updated 4 years ago
- 2017“ 达观杯”个性化推荐算法挑战赛-rank6☆43Updated 5 years ago
- 广告点击率(CTR)预测经典模型 GBDT + LR 理解与实践(附数据 + 代码)☆90Updated 4 years ago
- 2019厦门国际银行“数创金融杯”数据建模大赛 复赛第六☆19Updated 5 years ago
- 自然语言处理NLP在中文文本上的一些应用,如文本分类、情感分析、命名实体识别等☆213Updated 4 years ago
- 1st place solution for the AntaiCup-International-E-commerce-Artificial-Intelligence-Challenge☆181Updated 5 years ago
- ☆35Updated 3 years ago
- 文本分类的目前测试效果较好的算法☆56Updated 5 years ago
- 基于ESMM、MMoE和deepFM的多目标模型☆25Updated 3 years ago
- 讯飞移动广告反欺诈算法竞赛☆34Updated 5 years ago
- 个性化推荐代码--初学者☆40Updated 5 years ago
- 2018科大讯飞营销算法大赛(冠军方案)☆94Updated 5 years ago
- A baseline for WenTianSearch☆86Updated 3 years ago
- ☆21Updated 4 years ago
- 500+ spark short code examples in jupyter notebook!☆101Updated 5 years ago
- 2019中国高校计算机大赛,rank5代码+ppt☆29Updated 5 years ago
- ☆60Updated 4 years ago
- 推荐系统相关模型 包括召回和排序☆30Updated 5 years ago
- 该工程是利用python3.6进行“特征提取+分类器”来实现美团评论的文本二分类问题。在特征提取部分提取了6种特征,分类器选择了python里面的包xgboost和lightGBM分别实现提升树和GBDT(梯度提升决策树)。☆93Updated 6 years ago
- 2021 微信大数据挑战赛 复赛Rank23☆27Updated 3 years ago
- bert文本分类,ner, albert,keras_bert,bert4keras,kashgari,fastbert,flask + uwsgi + keras部署模型,时间实体识别,tfidf关键词抽取,tfidf文本相似度,用户情感分析☆195Updated 10 months ago