[特征向量]的搜索结果

...应内容。 对钓鱼网页特征进行提取 使用随机森林进行分类 分类结果不够准确 前几天看书看到了根据特征重要性进行特征筛选 今天拿来试一下 原本选择了11个特征进行了特征提取 feature_names = ['img_num', 'form_num', 'input_num', 'password_input','a_num', 'a_emp_num', 'css_num', 'js_num', 'a_self_num','url_len', 'url_digit'] 对随机森林分类器进行训练 得到模型预测的准确率如下图所示 因为使用交叉验证的方式 每次结果的准确率都有所差别 但相差不大 然后利用matplotlib 对特征重要性进行了可视化处理 feature_importance = clf.feature_importances_def plot_feature_importances(feature_importances, title, feature_names):feature_importances = 100 (feature_importances / max(feature_importances))按特征重要性进行排序index_sorted = np.flipud(np.argsort(feature_importances))pos = np.arange(index_sorted.shape[0]) + 0.8plt.figure()plt.bar(pos, feature_importances[index_sorted], align = 'center')plt.xticks(pos, np.array(feature_names)[index_sorted])plt.ylabel('Relative Importance')plt.title(title)plt.show()plot_feature_importances(feature_importance, 'Feature importances', feature_names) 选取其中排名前9位的特征 重新组成特征向量 对模型进行训练 得到的结果准确度提高 本篇文章为转载内容。原文链接：https://blog.csdn.net/Lay_ZRS/article/details/80548326。 该文由互联网用户投稿提供，文中观点代表作者本人意见，并不代表本站的立场。 作为信息平台，本站仅提供文章转载服务，并不拥有其所有权，也不对文章内容的真实性、准确性和合法性承担责任。 如发现本文存在侵权、违法、违规或事实不符的情况，请及时联系我们，我们将第一时间进行核实并删除相应内容。

...tor 是一种稀疏向量的实现类，特别适用于大部分元素为零的大维度向量场景。这种数据结构仅存储非零元素及其对应的索引，从而极大地节省了内存空间。相较于密集向量（如 DenseVector），稀疏向量在进行数值计算和存储时更加高效，尤其适合于大规模机器学习和数据挖掘任务中的特征向量表示。

...处理多元线性方程组、向量空间中的线性变换以及机器学习中的数据集（如特征向量）。在机器学习中，输入数据通常被组织成矩阵形式，以便进行计算和模型训练。 线性代数分解 , 在本文上下文中，线性代数分解指的是将一个矩阵分解为多个简单矩阵的乘积，这些分解有助于理解和解决复杂的线性问题。例如，LU分解、QR分解、奇异值分解（SVD）和特征值分解等都是常用的矩阵分解方法，在机器学习算法中扮演着重要角色，如PCA降维、低秩近似、推荐系统构建等场景。 Numpy , Numpy（Numerical Python）是一个开源的Python库，专为数值计算而设计，提供了强大的多维数组对象（类似于矩阵）和各种高级数学函数库。对于机器学习从业者来说，Numpy是实现高效数组操作、执行线性代数运算的核心工具之一，与Scipy、Pandas等库共同构成了Python科学计算的基础生态环境。 Scipy , Scipy（Scientific Python）是一个基于Python的开源科学计算库，包含了许多用于数值计算、优化、插值、积分、统计、信号处理等领域的子模块。在本文中提及的Scipy线性代数部分，它提供了一系列高效的线性代数算法实现，可以作为Numpy的补充，帮助机器学习从业者更好地处理大规模线性代数问题。

...快速存储和检索大量的特征向量，加速模型的训练过程。同时，Redis的实时分析能力使其成为实时数据分析场景的理想选择，如在线广告投放、个性化推荐等。 5. 安全与合规性考虑 在应用Redis的过程中，还需要注意安全性和合规性的问题。例如，确保敏感数据的加密存储、限制对Redis实例的访问权限、定期备份数据以防止数据丢失等。遵循行业标准和法律法规，如GDPR或CCPA，对于保护用户隐私至关重要。 总之，Redis凭借其高效、灵活的特点，在现代Web应用中扮演着越来越重要的角色。通过深入理解其在不同场景下的应用趋势和最佳实践，开发者可以更好地利用Redis提升应用性能、优化用户体验，并满足业务需求的多样化挑战。随着技术的不断演进，Redis的应用领域和最佳实践也将持续扩展，成为推动Web应用创新和发展的重要力量。

...Py库提供了更强大的向量化和矩阵运算功能，其中包括高效的幂运算方法。 例如，在处理大规模数据集时，通过NumPy的numpy.power()函数可以快速进行数组元素的幂运算，极大地提升了处理复杂模型训练、特征工程等场景下的计算性能。此外，对于涉及复杂数学概念如指数函数、对数函数等高级运算，Python的SciPy库也提供了丰富且高效的实现。 同时，对于初学者或者想要深化理解计算机如何实现快速幂运算的人来说，可以进一步研究算法层面的“快速幂”算法。这种算法利用分治思想，将指数运算转化为一系列位操作，从而大大降低了时间复杂度，尤其在处理大整数幂运算时优势明显，是ACM竞赛、密码学等领域必备的基础知识。 综上所述，Python中幂运算符的高效运用只是冰山一角，结合现代编程库以及底层算法原理的学习与探索，能够帮助我们在实际项目开发和科学研究中更好地驾驭各类数学运算挑战。

...来实时更新其兴趣偏好特征。 用户Embedding , 用户Embedding是机器学习领域特别是推荐系统中用于表示用户的一种低维向量形式。它通过深度学习等方法将用户的复杂属性和行为信息映射到一个连续的数值向量空间中，使得相似用户在该空间中的Embedding向量距离相近。在实时推荐系统的实践中，借助Flink实现实时更新用户Embedding意味着当用户产生新的行为数据时，能够立刻反映到Embedding向量上，进而快速调整推荐策略，提升推荐结果的相关性和实时性。

...理 } 四、特征提取 在Mahout中，我们可以使用TF-IDF算法来提取文本的特征。以下是一个简单的例子： java import org.apache.mahout.math.Vector; import org.apache.mahout.text.TfidfVectorizer; // 创建一个TF-IDF向量化器 TfidfVectorizer vectorizer = new TfidfVectorizer(); // 将文本转换为向量 Vector vector = vectorizer.transform(text); 五、模型训练 在Mahout中，我们可以使用Naive Bayes、Logistic Regression等算法来进行模型训练。以下是一个简单的例子： java import org.apache.mahout.classifier.NaiveBayes; // 创建一个朴素贝叶斯分类器 NaiveBayes classifier = new NaiveBayes(); // 使用训练集进行训练 classifier.train(trainingData); 六、模型测试 在模型训练完成后，我们可以使用测试集对其进行测试。以下是一个简单的例子： java import org.apache.mahout.classifier.NaiveBayes; // 使用测试集进行测试 double accuracy = classifier.evaluate(testData); System.out.println("Accuracy: " + accuracy); 七、总结 通过上述步骤，我们就可以使用Mahout进行大规模文本分类了。其实呢，这只是个入门级别的例子，实际上咱们可能要面对更复杂的操作，像是给数据“洗洗澡”（预处理）、抽取出关键信息（特征提取），还有对模型进行深度调教（训练）这些步骤。希望这个教程能帮助你在实际工作中更好地使用Mahout。

...序排列且具有时间序列特征的大表，能在保持较小索引尺寸的同时提供较高的查询性能。 不仅如此，随着机器学习和人工智能应用的发展，PostgreSQL也引入了对向量相似性搜索的支持，比如使用基于GiST或GIN索引实现的pg_trgm模块，用于处理文本相似度查询，这对于大规模文本数据集的高效检索具有重要意义。 与此同时，为了更好地指导用户根据实际业务需求设计索引策略，《高性能PostgreSQL》等专业书籍提供了深度解读与实战案例，系统阐述了索引选择、设计以及维护等方面的知识，帮助读者在实践中提升数据库性能。 综上所述，无论是紧跟PostgreSQL的最新技术动态，还是研读权威资料以深化理论基础，都是数据库管理员和开发人员在进行索引优化时不可或缺的延伸阅读内容。通过持续学习与实践，我们可以更有效地利用索引这一利器，确保数据库系统的稳定高效运行。

...掘和机器学习工具，如向量化、聚类、分类和回归等，可以帮助我们从大量的数据中提取有用的特征并建立预测模型。例如，如果我们想要使用SVM算法对数据进行分类，我们可以使用如下的Solr脚本： python 五、结论 Solr作为一款强大的全文搜索引擎，在大数据分析、机器学习和人工智能应用中有着广泛的应用。通过上述的例子，我们可以看到Solr的强大功能和灵活性，无论是数据导入和索引构建，还是数据查询和分析，或者是数据预处理和模型训练，都可以使用Solr轻松实现。所以，在这个大数据横行霸道的时代，不论是公司还是个人，如果你们真心想要在这场竞争中脱颖而出，那么掌握Solr技术绝对是你们必须要跨出的关键一步。就像是拿到通往成功大门的秘密钥匙，可不能小觑！

...工作更为可靠有效。 特征缩放 , 特征缩放是指将数据集中的各个特征变量进行规范化处理，将其数值范围调整到特定区间内，如0-1之间或者均值为0、标准差为1的标准正态分布区间。在Python中，可以使用sklearn库提供的StandardScaler()函数来实现这一操作。特征缩放有助于消除特征间量纲的影响，使得不同规模的特征在机器学习算法中具有可比性，从而优化模型训练效果。 独热编码 , 独热编码是一种将离散类别型特征转换为数值型特征的方法，主要用于解决分类特征在机器学习算法中的处理问题。在本文提到的场景下，Python的sklearn库提供了OneHotEncoder()函数，用于将非数值型、类别型特征转化为多维度的二进制向量表示，每个维度对应原类别特征的一个可能取值，而具体维度上的值则代表该类别的出现与否。这样处理后的特征形式更便于输入到许多基于数值计算的机器学习模型中进行训练和预测。

...N）能够自动提取高阶特征表示用户和商品，有效解决了传统方法在处理复杂、非线性关系时的局限性。此外，诸如LightGCN等图卷积神经网络模型，在处理社交网络或协同过滤场景下的推荐任务时表现出色，进一步提升了模型对稀疏数据的适应能力及预测精度。 同时，对于推荐系统的实时监控与故障恢复，业界也开始关注并引入了更先进的流式计算框架，如Apache Flink和Kafka等，它们能够在海量数据流中实现实时分析与异常检测，从而确保推荐系统的稳定运行。 综上所述，尽管Mahout为推荐系统的构建提供了有力支持，但在实际应用中还需结合最新的算法和技术进行持续优化，以应对日益复杂的业务场景与不断提升的用户体验需求。对推荐系统的研究者和开发者而言，紧跟领域内前沿动态，深挖技术创新潜能，将有助于推动推荐系统的功能完善与效果提升。

...据通常表示为一个稀疏向量，每一维度代表一个物品，值则表示用户对此物品的喜爱程度（如评分）。首先，我们需要将原始数据转换为此格式： java // 假设有一个用户ID为123的用户对物品的评分数据 DataModel model = new FileDataModel(new File("ratings.dat")); // 这里的ratings.dat文件应包含每行格式如：'userId itemId rating' 2. 用户相似度计算 Mahout提供多种用户相似度计算方法，例如皮尔逊相关系数（PearsonCorrelationSimilarity）和余弦相似度（CosineSimilarity）。以下是一个使用皮尔逊相关系数计算用户相似度的例子： java // 创建Pearson相似度计算器 UserSimilarity similarity = new PearsonCorrelationSimilarity(model); // 使用GenericUserBasedRecommender类进行相似度计算 UserNeighborhood neighborhood = new NearestNUserNeighborhood(10, similarity, model); Recommender recommender = new GenericUserBasedRecommender(model, neighborhood, similarity); // 计算用户123与其他用户的相似度 List similarUsers = recommender.mostSimilarItems(123, 10); 这段代码首先创建了一个Pearson相关系数相似度计算器，然后定义了邻域模型（这里选择最近的10个用户），最后通过mostSimilarItems方法找到与用户123最相似的其他用户。 3. 深入思考 值得注意的是，选择何种相似度计算方法很大程度上取决于具体的应用场景和数据特性。比如，假如评分数据分布得比较均匀，那皮尔逊相关系数就是个挺不错的选择。但如果评分数据少得可怜，这时候余弦相似度可能就更显神通了。因为它压根不在乎具体的评分数值大小，只关心相对的偏好方向，所以在这种极端稀疏的情况下，效果可能会更好。 四、总结与探讨 Mahout为我们搭建推荐系统的用户相似度计算提供了有力支持。不过，在实际操作的时候，咱们得灵活应变，根据实际情况对参数进行微调，优化那个算法。有时候，为了更上一层楼的推荐效果，咱可能还需要把用户的社交关系、时间因素等其他信息一并考虑进去，让推荐结果更加精准、接地气儿。在我们一路摸索的过程中，可别光依赖冷冰冰的算法分析，更得把咱们用户的感受和体验揣摩透彻，这样才能够实实在在打造出符合每个人个性化需求的推荐系统，让大家用起来觉得贴心又满意。 总的来说，利用Mahout实现用户相似度计算并不复杂，关键在于理解不同相似度计算方法背后的数学原理以及它们在实际业务中的适用性。实践中，我们要善于运用这些工具，同时保持开放思维，不断迭代和优化我们的推荐策略。

...lback：接收双目特征，进行后端处理。利用IMU进行EKF Propagation，利用双目特征进行EKF Update。静止初始化(initializeGravityAndBias)：将前200帧加速度和角速度求平均, 平均加速度的模值g作为重力加速度, 平均角速度作为陀螺仪的bias, 计算重力向量(0,0,-g)和平均加速度之间的夹角(旋转四元数), 标定初始时刻IMU系与world系之间的夹角. 因此MSCKF要求前200帧IMU是静止不动的 sudo apt-get install libsuitesparse-devcd ~/catkin_ws/srcgit clone KumarRobotics/msckf_viocd ..catkin_make --pkg msckf_vio --cmake-args -DCMAKE_BUILD_TYPE=Release激活环境变量很关键source /devel/setup.bashroslaunch msckf_vio msckf_vio_euroc.launch注意文件路径rosrun rviz rviz -d rviz/rviz_euroc_config.rviz (改成你自己的rviz文件)rosbag play ~/data/euroc/MH_04_difficult.bag(改成你自己的rosbag文件) 可以看到，s_msckf的输出是没有轨迹的，可以增加如下脚本，将/odom存为/path，在rviz订阅即可可视化轨迹 脚本来自其issue：https://github.com/KumarRobotics/msckf_vio/issues/13 !/usr/bin/env pythonimport rospyfrom nav_msgs.msg import Odometry, Pathfrom geometry_msgs.msg import PoseStampedclass OdomToPath:def __init__(self):self.path_pub = rospy.Publisher('/slz_path', Path, latch=True, queue_size=10)self.odom_sub = rospy.Subscriber('/firefly_sbx/vio/odom', Odometry, self.odom_cb, queue_size=10)self.path = Path()def odom_cb(self, msg):cur_pose = PoseStamped()cur_pose.header = msg.headercur_pose.pose = msg.pose.poseself.path.header = msg.headerself.path.poses.append(cur_pose)self.path_pub.publish(self.path)if __name__ == '__main__':rospy.init_node('odom_to_path')odom_to_path = OdomToPath()rospy.spin() 或者增加一个draw_path的功能包： cpp为： include <stdio.h>include <stdlib.h>include <unistd.h>include <ros/ros.h>include <ros/console.h>include <nav_msgs/Path.h>include <std_msgs/String.h>include <nav_msgs/Odometry.h>include <geometry_msgs/Quaternion.h>include <geometry_msgs/PoseStamped.h>nav_msgs::Path path;ros::Publisher path_pub;ros::Subscriber odomSub;ros::Subscriber odom_raw_Sub;void odomCallback(const nav_msgs::Odometry::ConstPtr& odom){geometry_msgs::PoseStamped this_pose_stamped;this_pose_stamped.header= odom->header;this_pose_stamped.pose = odom->pose.pose;//this_pose_stamped.pose.position.x = odom->pose.pose.position.x;//this_pose_stamped.pose.position.y = odom->pose.pose.position.y;//this_pose_stamped.pose.orientation = odom->pose.pose.orientation;//this_pose_stamped.header.stamp = ros::Time::now();//this_pose_stamped.header.frame_id = "world";//frame_id 是消息中与数据相关联的参考系id，例如在在激光数据中，frame_id对应激光数据采集的参考系 path.header= this_pose_stamped.header;path.poses.push_back(this_pose_stamped);//path.header.stamp = ros::Time::now();//path.header.frame_id= "world";path_pub.publish(path);//printf("path_pub ");//printf("odom %.3lf %.3lf\n",odom->pose.pose.position.x,odom->pose.pose.position.y);}int main (int argc, char argv){ros::init (argc, argv, "showpath");ros::NodeHandle ph;path_pub = ph.advertise<nav_msgs::Path>("/trajectory",10, true);odomSub = ph.subscribe<nav_msgs::Odometry>("/firefly_sbx/vio/odom", 10, odomCallback);//ros::Rate loop_rate(50);while (ros::ok()){ros::spinOnce(); // check for incoming messages//loop_rate.sleep();}return 0;} cmakelists.txt cmake_minimum_required(VERSION 2.8.3)project(draw) Compile as C++11, supported in ROS Kinetic and newer add_compile_options(-std=c++11) Find catkin macros and libraries if COMPONENTS list like find_package(catkin REQUIRED COMPONENTS xyz) is used, also find other catkin packagesfind_package(catkin REQUIRED COMPONENTSgeometry_msgsroscpprospystd_msgsmessage_generation)catkin_package( INCLUDE_DIRS include LIBRARIES learning_communicationCATKIN_DEPENDS geometry_msgs roscpp rospy std_msgs message_runtime DEPENDS system_lib) Build include_directories(include${catkin_INCLUDE_DIRS})add_executable(draw_path draw.cpp)target_link_libraries(draw_path ${catkin_LIBRARIES}) package.xml <?xml version="1.0"?><package><name>draw</name><version>0.0.0</version><description>The learning_communication package</description><!-- One maintainer tag required, multiple allowed, one person per tag --><!-- Example: --><!-- <maintainer email="jane.doe@example.com">Jane Doe</maintainer> --><maintainer email="hcx@todo.todo">hcx</maintainer><!-- One license tag required, multiple allowed, one license per tag --><!-- Commonly used license strings: --><!-- BSD, MIT, Boost Software License, GPLv2, GPLv3, LGPLv2.1, LGPLv3 --><license>TODO</license><!-- Url tags are optional, but multiple are allowed, one per tag --><!-- Optional attribute type can be: website, bugtracker, or repository --><!-- Example: --><!-- <url type="website">http://wiki.ros.org/learning_communication</url> --><!-- Author tags are optional, multiple are allowed, one per tag --><!-- Authors do not have to be maintainers, but could be --><!-- Example: --><!-- <author email="jane.doe@example.com">Jane Doe</author> --><!-- The _depend tags are used to specify dependencies --><!-- Dependencies can be catkin packages or system dependencies --><!-- Examples: --><!-- Use build_depend for packages you need at compile time: --><!-- <build_depend>message_generation</build_depend> --><!-- Use buildtool_depend for build tool packages: --><!-- <buildtool_depend>catkin</buildtool_depend> --><!-- Use run_depend for packages you need at runtime: --><!-- <run_depend>message_runtime</run_depend> --><!-- Use test_depend for packages you need only for testing: --><!-- <test_depend>gtest</test_depend> --><buildtool_depend>catkin</buildtool_depend><build_depend>geometry_msgs</build_depend><build_depend>roscpp</build_depend><build_depend>rospy</build_depend><build_depend>std_msgs</build_depend><run_depend>geometry_msgs</run_depend><run_depend>roscpp</run_depend><run_depend>rospy</run_depend><run_depend>std_msgs</run_depend><build_depend>message_generation</build_depend><run_depend>message_runtime</run_depend><!-- The export tag contains other, unspecified, tags --><export><!-- Other tools can request additional information be placed here --></export></package> vins_fusion: 双目vio等多系统 mkdir -p vins-catkin_ws/srccd vins-catkin_ws/srcgit clone https://github.com/HKUST-Aerial-Robotics/VINS-Fusion.gitcd ..catkin_makesource devel/setup.bash按照readme 3.1 Monocualr camera + IMUroslaunch vins vins_rviz.launchrosrun vins vins_node ~/catkin_ws/src/VINS-Fusion/config/euroc/euroc_mono_imu_config.yaml (optional) rosrun loop_fusion loop_fusion_node ~/catkin_ws/src/VINS-Fusion/config/euroc/euroc_mono_imu_config.yaml rosbag play YOUR_DATASET_FOLDER/MH_01_easy.bag 3.2 Stereo cameras + IMUroslaunch vins vins_rviz.launchrosrun vins vins_node ~/catkin_ws/src/VINS-Fusion/config/euroc/euroc_stereo_imu_config.yaml (optional) rosrun loop_fusion loop_fusion_node ~/catkin_ws/src/VINS-Fusion/config/euroc/euroc_stereo_imu_config.yaml rosbag play YOUR_DATASET_FOLDER/MH_01_easy.bag 3.3 Stereo camerasroslaunch vins vins_rviz.launchrosrun vins vins_node ~/catkin_ws/src/VINS-Fusion/config/euroc/euroc_stereo_config.yaml (optional) rosrun loop_fusion loop_fusion_node ~/catkin_ws/src/VINS-Fusion/config/euroc/euroc_stereo_config.yaml rosbag play YOUR_DATASET_FOLDER/MH_01_easy.bag<img src="https://github.com/HKUST-Aerial-Robotics/VINS-Fusion/blob/master/support_files/image/euroc.gif" width = 430 height = 240 /> 4. KITTI Example 4.1 KITTI Odometry (Stereo)Download [KITTI Odometry dataset](http://www.cvlibs.net/datasets/kitti/eval_odometry.php) to YOUR_DATASET_FOLDER. Take sequences 00 for example,Open two terminals, run vins and rviz respectively. (We evaluated odometry on KITTI benchmark without loop closure funtion)roslaunch vins vins_rviz.launch(optional) rosrun loop_fusion loop_fusion_node ~/catkin_ws/src/VINS-Fusion/config/kitti_odom/kitti_config00-02.yamlrosrun vins kitti_odom_test ~/catkin_ws/src/VINS-Fusion/config/kitti_odom/kitti_config00-02.yaml YOUR_DATASET_FOLDER/sequences/00/ 4.2 KITTI GPS Fusion (Stereo + GPS)Download [KITTI raw dataset](http://www.cvlibs.net/datasets/kitti/raw_data.php) to YOUR_DATASET_FOLDER. Take [2011_10_03_drive_0027_synced](https://s3.eu-central-1.amazonaws.com/avg-kitti/raw_data/2011_10_03_drive_0027/2011_10_03_drive_0027_sync.zip) for example.Open three terminals, run vins, global fusion and rviz respectively. Green path is VIO odometry; blue path is odometry under GPS global fusion.roslaunch vins vins_rviz.launchrosrun vins kitti_gps_test ~/catkin_ws/src/VINS-Fusion/config/kitti_raw/kitti_10_03_config.yaml YOUR_DATASET_FOLDER/2011_10_03_drive_0027_sync/ rosrun global_fusion global_fusion_node<img src="https://github.com/HKUST-Aerial-Robotics/VINS-Fusion/blob/master/support_files/image/kitti.gif" width = 430 height = 240 /> 5. VINS-Fusion on car demonstrationDownload [car bag](https://drive.google.com/open?id=10t9H1u8pMGDOI6Q2w2uezEq5Ib-Z8tLz) to YOUR_DATASET_FOLDER.Open four terminals, run vins odometry, visual loop closure(optional), rviz and play the bag file respectively. Green path is VIO odometry; red path is odometry under visual loop closure.roslaunch vins vins_rviz.launchrosrun vins vins_node ~/catkin_ws/src/VINS-Fusion/config/vi_car/vi_car.yaml (optional) rosrun loop_fusion loop_fusion_node ~/catkin_ws/src/VINS-Fusion/config/vi_car/vi_car.yaml rosbag play YOUR_DATASET_FOLDER/car.bag 本篇文章为转载内容。原文链接：https://blog.csdn.net/slzlincent/article/details/104364909。 该文由互联网用户投稿提供，文中观点代表作者本人意见，并不代表本站的立场。 作为信息平台，本站仅提供文章转载服务，并不拥有其所有权，也不对文章内容的真实性、准确性和合法性承担责任。 如发现本文存在侵权、违法、违规或事实不符的情况，请及时联系我们，我们将第一时间进行核实并删除相应内容。

...每种内容有很多自己的特征，需要考虑怎样提取不同内容类型的特征做好推荐。 第二个维度是用户特征。包括各种兴趣标签，职业、年龄、性别等，还有很多模型刻划出的隐式用户兴趣等。 第三个维度是环境特征。这是移动互联网时代推荐的特点，用户随时随地移动，在工作场合、通勤、旅游等不同的场景，信息偏好有所偏移。 结合三方面的维度，模型会给出一个预估，即推测推荐内容在这一场景下对这一用户是否合适。 这里还有一个问题，如何引入无法直接衡量的目标？ 推荐模型中，点击率、阅读时间、点赞、评论、转发包括点赞都是可以量化的目标，能够用模型直接拟合做预估，看线上提升情况可以知道做的好不好。 但一个大体量的推荐系统，服务用户众多，不能完全由指标评估，引入数据指标以外的要素也很重要。 比如广告和特型内容频控。像问答卡片就是比较特殊的内容形式，其推荐的目标不完全是让用户浏览，还要考虑吸引用户回答为社区贡献内容。这些内容和普通内容如何混排，怎样控制频控都需要考虑。 此外，平台出于内容生态和社会责任的考量，像低俗内容的打压，标题党、低质内容的打压，重要新闻的置顶、加权、强插，低级别账号内容降权都是算法本身无法完成，需要进一步对内容进行干预。 下面我将简单介绍在上述算法目标的基础上如何对其实现。 前面提到的公式y = F(Xi ,Xu ,Xc)，是一个很经典的监督学习问题。可实现的方法有很多，比如传统的协同过滤模型，监督学习算法Logistic Regression模型，基于深度学习的模型，Factorization Machine和GBDT等。 一个优秀的工业级推荐系统需要非常灵活的算法实验平台，可以支持多种算法组合，包括模型结构调整。因为很难有一套通用的模型架构适用于所有的推荐场景。 现在很流行将LR和DNN结合，前几年Facebook也将LR和GBDT算法做结合。今日头条旗下几款产品都在沿用同一套强大的算法推荐系统，但根据业务场景不同，模型架构会有所调整。 模型之后再看一下典型的推荐特征，主要有四类特征会对推荐起到比较重要的作用。 第一类是相关性特征，就是评估内容的属性和与用户是否匹配。显性的匹配包括关键词匹配、分类匹配、来源匹配、主题匹配等。像FM模型中也有一些隐性匹配，从用户向量与内容向量的距离可以得出。 第二类是环境特征，包括地理位置、时间。这些既是bias特征，也能以此构建一些匹配特征。 第三类是热度特征。包括全局热度、分类热度，主题热度，以及关键词热度等。内容热度信息在大的推荐系统特别在用户冷启动的时候非常有效。 第四类是协同特征，它可以在部分程度上帮助解决所谓算法越推越窄的问题。 协同特征并非考虑用户已有历史。而是通过用户行为分析不同用户间相似性，比如点击相似、兴趣分类相似、主题相似、兴趣词相似，甚至向量相似，从而扩展模型的探索能力。 模型的训练上，头条系大部分推荐产品采用实时训练。实时训练省资源并且反馈快，这对信息流产品非常重要。用户需要行为信息可以被模型快速捕捉并反馈至下一刷的推荐效果。 我们线上目前基于storm集群实时处理样本数据，包括点击、展现、收藏、分享等动作类型。 模型参数服务器是内部开发的一套高性能的系统，因为头条数据规模增长太快，类似的开源系统稳定性和性能无法满足，而我们自研的系统底层做了很多针对性的优化，提供了完善运维工具，更适配现有的业务场景。 目前，头条的推荐算法模型在世界范围内也是比较大的，包含几百亿原始特征和数十亿向量特征。 整体的训练过程是线上服务器记录实时特征，导入到Kafka文件队列中，然后进一步导入Storm集群消费Kafka数据，客户端回传推荐的label构造训练样本，随后根据最新样本进行在线训练更新模型参数，最终线上模型得到更新。 这个过程中主要的延迟在用户的动作反馈延时，因为文章推荐后用户不一定马上看，不考虑这部分时间，整个系统是几乎实时的。 但因为头条目前的内容量非常大，加上小视频内容有千万级别，推荐系统不可能所有内容全部由模型预估。 所以需要设计一些召回策略，每次推荐时从海量内容中筛选出千级别的内容库。召回策略最重要的要求是性能要极致，一般超时不能超过50毫秒。 召回策略种类有很多，我们主要用的是倒排的思路。离线维护一个倒排，这个倒排的key可以是分类，topic，实体，来源等。 排序考虑热度、新鲜度、动作等。线上召回可以迅速从倒排中根据用户兴趣标签对内容做截断，高效的从很大的内容库中筛选比较靠谱的一小部分内容。 二、内容分析 内容分析包括文本分析，图片分析和视频分析。头条一开始主要做资讯，今天我们主要讲一下文本分析。文本分析在推荐系统中一个很重要的作用是用户兴趣建模。 没有内容及文本标签，无法得到用户兴趣标签。举个例子，只有知道文章标签是互联网，用户看了互联网标签的文章，才能知道用户有互联网标签，其他关键词也一样。 另一方面，文本内容的标签可以直接帮助推荐特征，比如魅族的内容可以推荐给关注魅族的用户，这是用户标签的匹配。 如果某段时间推荐主频道效果不理想，出现推荐窄化，用户会发现到具体的频道推荐（如科技、体育、娱乐、军事等）中阅读后，再回主feed,推荐效果会更好。 因为整个模型是打通的，子频道探索空间较小，更容易满足用户需求。只通过单一信道反馈提高推荐准确率难度会比较大，子频道做的好很重要。而这也需要好的内容分析。 上图是今日头条的一个实际文本case。可以看到，这篇文章有分类、关键词、topic、实体词等文本特征。 当然不是没有文本特征，推荐系统就不能工作，推荐系统最早期应用在Amazon,甚至沃尔玛时代就有，包括Netfilx做视频推荐也没有文本特征直接协同过滤推荐。 但对资讯类产品而言，大部分是消费当天内容，没有文本特征新内容冷启动非常困难，协同类特征无法解决文章冷启动问题。 今日头条推荐系统主要抽取的文本特征包括以下几类。首先是语义标签类特征，显式为文章打上语义标签。 这部分标签是由人定义的特征，每个标签有明确的意义，标签体系是预定义的。 此外还有隐式语义特征，主要是topic特征和关键词特征，其中topic特征是对于词概率分布的描述，无明确意义；而关键词特征会基于一些统一特征描述，无明确集合。 另外文本相似度特征也非常重要。在头条，曾经用户反馈最大的问题之一就是为什么总推荐重复的内容。这个问题的难点在于，每个人对重复的定义不一样。 举个例子，有人觉得这篇讲皇马和巴萨的文章，昨天已经看过类似内容，今天还说这两个队那就是重复。 但对于一个重度球迷而言，尤其是巴萨的球迷，恨不得所有报道都看一遍。解决这一问题需要根据判断相似文章的主题、行文、主体等内容，根据这些特征做线上策略。 同样，还有时空特征，分析内容的发生地点以及时效性。比如武汉限行的事情推给北京用户可能就没有意义。 最后还要考虑质量相关特征，判断内容是否低俗，色情，是否是软文，鸡汤？ 上图是头条语义标签的特征和使用场景。他们之间层级不同，要求不同。 分类的目标是覆盖全面，希望每篇内容每段视频都有分类；而实体体系要求精准，相同名字或内容要能明确区分究竟指代哪一个人或物，但不用覆盖很全。 概念体系则负责解决比较精确又属于抽象概念的语义。这是我们最初的分类，实践中发现分类和概念在技术上能互用，后来统一用了一套技术架构。 目前，隐式语义特征已经可以很好的帮助推荐，而语义标签需要持续标注，新名词新概念不断出现，标注也要不断迭代。其做好的难度和资源投入要远大于隐式语义特征，那为什么还需要语义标签？ 有一些产品上的需要，比如频道需要有明确定义的分类内容和容易理解的文本标签体系。语义标签的效果是检查一个公司NLP技术水平的试金石。 今日头条推荐系统的线上分类采用典型的层次化文本分类算法。 最上面Root，下面第一层的分类是像科技、体育、财经、娱乐，体育这样的大类，再下面细分足球、篮球、乒乓球、网球、田径、游泳…，足球再细分国际足球、中国足球，中国足球又细分中甲、中超、国家队…，相比单独的分类器，利用层次化文本分类算法能更好地解决数据倾斜的问题。 有一些例外是，如果要提高召回，可以看到我们连接了一些飞线。这套架构通用，但根据不同的问题难度，每个元分类器可以异构，像有些分类SVM效果很好，有些要结合CNN，有些要结合RNN再处理一下。 上图是一个实体词识别算法的case。基于分词结果和词性标注选取候选，期间可能需要根据知识库做一些拼接，有些实体是几个词的组合，要确定哪几个词结合在一起能映射实体的描述。 如果结果映射多个实体还要通过词向量、topic分布甚至词频本身等去歧，最后计算一个相关性模型。 三、用户标签 内容分析和用户标签是推荐系统的两大基石。内容分析涉及到机器学习的内容多一些，相比而言，用户标签工程挑战更大。 今日头条常用的用户标签包括用户感兴趣的类别和主题、关键词、来源、基于兴趣的用户聚类以及各种垂直兴趣特征（车型，体育球队，股票等）。还有性别、年龄、地点等信息。 性别信息通过用户第三方社交账号登录得到。年龄信息通常由模型预测，通过机型、阅读时间分布等预估。 常驻地点来自用户授权访问位置信息，在位置信息的基础上通过传统聚类的方法拿到常驻点。 常驻点结合其他信息，可以推测用户的工作地点、出差地点、旅游地点。这些用户标签非常有助于推荐。 当然最简单的用户标签是浏览过的内容标签。但这里涉及到一些数据处理策略。 主要包括： 一、过滤噪声。通过停留时间短的点击，过滤标题党。 二、热点惩罚。对用户在一些热门文章（如前段时间PG One的新闻）上的动作做降权处理。理论上，传播范围较大的内容，置信度会下降。 三、时间衰减。用户兴趣会发生偏移，因此策略更偏向新的用户行为。因此，随着用户动作的增加，老的特征权重会随时间衰减，新动作贡献的特征权重会更大。 四、惩罚展现。如果一篇推荐给用户的文章没有被点击，相关特征（类别，关键词，来源）权重会被惩罚。当 然同时，也要考虑全局背景，是不是相关内容推送比较多，以及相关的关闭和dislike信号等。 用户标签挖掘总体比较简单，主要还是刚刚提到的工程挑战。头条用户标签第一版是批量计算框架，流程比较简单，每天抽取昨天的日活用户过去两个月的动作数据，在Hadoop集群上批量计算结果。 但问题在于，随着用户高速增长，兴趣模型种类和其他批量处理任务都在增加，涉及到的计算量太大。 2014年，批量处理任务几百万用户标签更新的Hadoop任务，当天完成已经开始勉强。集群计算资源紧张很容易影响其它工作，集中写入分布式存储系统的压力也开始增大，并且用户兴趣标签更新延迟越来越高。 面对这些挑战。2014年底今日头条上线了用户标签Storm集群流式计算系统。改成流式之后，只要有用户动作更新就更新标签，CPU代价比较小，可以节省80%的CPU时间，大大降低了计算资源开销。 同时，只需几十台机器就可以支撑每天数千万用户的兴趣模型更新，并且特征更新速度非常快，基本可以做到准实时。这套系统从上线一直使用至今。 当然，我们也发现并非所有用户标签都需要流式系统。像用户的性别、年龄、常驻地点这些信息，不需要实时重复计算，就仍然保留daily更新。 四、评估分析 上面介绍了推荐系统的整体架构，那么如何评估推荐效果好不好？ 有一句我认为非常有智慧的话，“一个事情没法评估就没法优化”。对推荐系统也是一样。 事实上，很多因素都会影响推荐效果。比如侯选集合变化，召回模块的改进或增加，推荐特征的增加，模型架构的改进在，算法参数的优化等等，不一一举例。 评估的意义就在于，很多优化最终可能是负向效果，并不是优化上线后效果就会改进。 全面的评估推荐系统，需要完备的评估体系、强大的实验平台以及易用的经验分析工具。 所谓完备的体系就是并非单一指标衡量，不能只看点击率或者停留时长等，需要综合评估。 很多公司算法做的不好，并非是工程师能力不够，而是需要一个强大的实验平台，还有便捷的实验分析工具，可以智能分析数据指标的置信度。 一个良好的评估体系建立需要遵循几个原则，首先是兼顾短期指标与长期指标。我在之前公司负责电商方向的时候观察到，很多策略调整短期内用户觉得新鲜，但是长期看其实没有任何助益。 其次，要兼顾用户指标和生态指标。既要为内容创作者提供价值，让他更有尊严的创作，也有义务满足用户，这两者要平衡。 还有广告主利益也要考虑，这是多方博弈和平衡的过程。 另外，要注意协同效应的影响。实验中严格的流量隔离很难做到，要注意外部效应。 强大的实验平台非常直接的优点是，当同时在线的实验比较多时，可以由平台自动分配流量，无需人工沟通，并且实验结束流量立即回收，提高管理效率。 这能帮助公司降低分析成本，加快算法迭代效应，使整个系统的算法优化工作能够快速往前推进。 这是头条A/B Test实验系统的基本原理。首先我们会做在离线状态下做好用户分桶，然后线上分配实验流量，将桶里用户打上标签，分给实验组。 举个例子，开一个10%流量的实验，两个实验组各5%，一个5%是基线，策略和线上大盘一样，另外一个是新的策略。 实验过程中用户动作会被搜集，基本上是准实时，每小时都可以看到。但因为小时数据有波动，通常是以天为时间节点来看。动作搜集后会有日志处理、分布式统计、写入数据库，非常便捷。 在这个系统下工程师只需要设置流量需求、实验时间、定义特殊过滤条件，自定义实验组ID。系统可以自动生成：实验数据对比、实验数据置信度、实验结论总结以及实验优化建议。 当然，只有实验平台是远远不够的。线上实验平台只能通过数据指标变化推测用户体验的变化，但数据指标和用户体验存在差异，很多指标不能完全量化。 很多改进仍然要通过人工分析，重大改进需要人工评估二次确认。 五、内容安全 最后要介绍今日头条在内容安全上的一些举措。头条现在已经是国内最大的内容创作与分发凭条，必须越来越重视社会责任和行业领导者的责任。如果1%的推荐内容出现问题，就会产生较大的影响。 现在，今日头条的内容主要来源于两部分，一是具有成熟内容生产能力的PGC平台 一是UGC用户内容，如问答、用户评论、微头条。这两部分内容需要通过统一的审核机制。如果是数量相对少的PGC内容，会直接进行风险审核，没有问题会大范围推荐。 UGC内容需要经过一个风险模型的过滤，有问题的会进入二次风险审核。审核通过后，内容会被真正进行推荐。这时如果收到一定量以上的评论或者举报负向反馈，还会再回到复审环节，有问题直接下架。 整个机制相对而言比较健全，作为行业领先者，在内容安全上，今日头条一直用最高的标准要求自己。 分享内容识别技术主要鉴黄模型，谩骂模型以及低俗模型。今日头条的低俗模型通过深度学习算法训练，样本库非常大，图片、文本同时分析。 这部分模型更注重召回率，准确率甚至可以牺牲一些。谩骂模型的样本库同样超过百万，召回率高达95%+，准确率80%+。如果用户经常出言不讳或者不当的评论，我们有一些惩罚机制。 泛低质识别涉及的情况非常多，像假新闻、黑稿、题文不符、标题党、内容质量低等等，这部分内容由机器理解是非常难的，需要大量反馈信息，包括其他样本信息比对。 目前低质模型的准确率和召回率都不是特别高，还需要结合人工复审，将阈值提高。目前最终的召回已达到95%，这部分其实还有非常多的工作可以做。别平台。 如果需要机器学习视频，可以在公众号后台聊天框回复【机器学习】，可以免费获取编程视频 。 你可能还喜欢 数学在机器学习中到底有多重要？ AI 新手学习路线，附上最详细的资源整理！ 提升机器学习数学基础，推荐7本书 酷爆了！围观2020年十大科技趋势 机器学习该如何入门，听听过来人的经验！ 长按加入T圈，接触人工智能 觉得内容还不错的话，给我点个“在看”呗 本篇文章为转载内容。原文链接：https://blog.csdn.net/itcodexy/article/details/109574173。 该文由互联网用户投稿提供，文中观点代表作者本人意见，并不代表本站的立场。 作为信息平台，本站仅提供文章转载服务，并不拥有其所有权，也不对文章内容的真实性、准确性和合法性承担责任。 如发现本文存在侵权、违法、违规或事实不符的情况，请及时联系我们，我们将第一时间进行核实并删除相应内容。

...素的属性、层级关系等特征来选取需要操作的DOM元素。在本文中，jQuery使用了CSS选择器语法来查找ID以“i”开头的div元素，例如$(div id^= i )，其中 id^= i 就是一个CSS选择器，表示匹配所有id属性值以字符串“i”开头的元素。 DOM操作 , DOM（Document Object Model）操作是指在网页加载后，通过JavaScript动态修改或访问HTML文档结构与内容的过程。在jQuery库中，提供了丰富且易于使用的DOM操作方法，如查找元素、改变内容、添加或删除节点等，从而极大地提升了前端开发者对页面元素进行动态控制的能力。在文章示例中，通过jQuery的选择器功能实现对ID以特定字符开头的元素进行筛选和操作，就是DOM操作的一种具体应用。

...响数据库的行为和性能特征，例如连接数上限（max_connections）、缓冲池大小（innodb_buffer_pool_size）等。用户可以根据不同的业务需求来查看、修改这些系统变量，以达到调优数据库的目的。 my.cnf , my.cnf 是 MySQL 数据库的主要配置文件，用于存储全局级别的配置选项和系统变量设定。当 MySQL 服务启动时，会读取并应用该文件中的配置信息。通过编辑 my.cnf 文件并更改系统变量的默认值，用户可以实现永久性地改变 MySQL 服务的运行参数，确保即使在重启服务后，新的系统变量值仍能生效。

...使用Python计算向量的单位向量之后，我们可以进一步探索这一概念在实际应用中的重要性。近期，在机器学习和人工智能领域，特别是在深度学习中的自然语言处理任务中，单位向量作为一种关键工具被广泛应用。 例如，在Word2Vec模型中，每个词都被映射为一个高维空间的单位向量，这些向量不仅保留了词语之间的语义关系，而且其单位化属性确保了相似度比较的有效性和准确性。此外，单位向量在计算机图形学中也有着至关重要的作用，如在三维渲染、游戏开发等领域，方向性的表示通常采用单位向量形式，以实现光照、反射等物理效果的模拟。 另外，值得注意的是，单位向量在优化问题中也扮演着重要角色，尤其是在梯度下降法中，通过计算梯度的单位向量来确定搜索方向，从而有效地最小化损失函数。近期的研究工作甚至将单位向量扩展到了量子计算领域，研究人员发现特定类型的量子比特状态可以表达为单位向量，这为构建高效的量子算法提供了新的思路。 综上所述，了解并掌握向量单位化的计算方法不仅能帮助我们解决数学和编程问题，还能为我们理解和参与前沿科技领域的研究与应用提供有力支持。对于有志于进一步钻研的读者来说，推荐阅读《线性代数及其应用》（作者：Gilbert Strang）以深入理解单位向量背后的数学原理，同时关注相关科研论文和技术博客，以便及时跟进单位向量在各领域尤其是AI、图形学和量子计算等前沿技术中的最新应用动态。

...示销售趋势、用户行为特征等关键信息，为精准营销和战略规划提供有力支持。 综上所述，掌握Python和Matplotlib进行函数图像绘制不仅有助于数学理论的学习，更是在科学研究、教育创新及商业决策等多个领域展现出了广泛而深远的应用价值。未来，随着技术的不断迭代升级，我们有理由相信，Python的数据可视化功能将在更多场景中发挥更大的作用。

...析和可视化地球表面的特征以及与其相关的各种信息。在文中，GIS技术与Vue框架相结合，以实现Web端的地图功能，如加载瓦片图层、添加标记点，并支持弹出窗口显示详细信息等功能，从而提升Web GIS应用的交互性和可重用性。 Leaflet , Leaflet是一个开源的JavaScript库，专门用于创建交互式移动友好地图。Leaflet提供了丰富的地图操作API和简单易用的接口，使得开发者能够在Web页面上轻松嵌入地图、添加图层、绘制几何图形等。在文章提供的Vue组件实例中，Leaflet被引入并集成到Vue项目中，实现了地图初始化、瓦片图层加载以及地图标记点的添加和交互功能。

...ID以及其他属性值等特征精确或模糊地选取目标元素。在给出的文章示例中，使用的选择器是input type= text ，这表示选取所有类型为\ text\ 的input元素。通过这种方式，jQuery能获取到需要修改样式的文本框元素，并进一步应用css函数设置其样式属性。

...成功提升了对恶意软件特征码的检测精度和速度。 同时，Python社区也在持续优化其内置的re模块，不断推出新的特性以适应更广泛的应用场景。比如在最新版本的Python中，正则表达式引擎已支持Unicode 13标准，能够更好地处理全球多种语言的文本匹配需求。 总之，掌握好Python正则表达式的精髓，不仅可以提升日常编程中的文本处理能力，更能紧跟时代步伐，在大数据分析、网络安全、自然语言处理等领域实现高效精准的数据挖掘与分析。因此，建议读者继续关注Python正则表达式的最新发展动态，并通过实践逐步深入学习更多复杂的正则表达式用法及其实战应用场景。

...，通常包括密码、生物特征（如指纹或面部识别）以及一次性代码（如短信验证码）。在MySQL 8.0中，MFA的引入增强了数据库的安全性，确保只有授权的用户才能访问，即使他们知道密码，没有第二个验证因素也无法登录，从而降低了被攻击的风险。