Questions tagged «search»

据我所知，要训练学习对模型进行排名，您需要在数据集中包含三件事： 标签或相关性 组或查询ID 特征向量 例如，Microsoft Learning to Rank数据集使用此格式（标签，组ID和功能）。 1 qid:10 1:0.031310 2:0.666667 ... 0 qid:10 1:0.078682 2:0.166667 ... 我正在尝试利用GBM进行成对排名的xgBoost。他们有一个排名任务的示例，该任务使用C ++程序在上述Microsoft数据集上学习。 但是，我正在使用他们的Python包装器，似乎无法找到可以在其中输入组ID的地方（qid上述）。我可以仅使用功能和相关性分数来训练模型，但是我感觉自己缺少一些东西。 这是一个示例脚本。 gbm = XGBRegressor(objective="rank:pairwise") X = np.random.normal(0, 1, 1000).reshape(100, 10) y = np.random.randint(0, 5, 100) gbm.fit(X, y) ### --- no group id needed??? print gbm.predict(X) # should be in …

14 search  ranking  xgboost  gbm 

例如，当在Google中搜索内容时，结果会立即返回。 我了解Google使用算法等对页面进行排序和索引，但是我想为每个可能的查询结果建立索引是不可行的（而且结果是个性化的，这使得这种情况更加不可行）？ 此外，Google硬件中的硬件延迟会不会很大？即使Google中的数据全部存储在TB / s SSD中，但由于要处理的数据量巨大，我认为硬件延迟会很大。 MapReduce是否有助于解决此问题？ 编辑：好的，所以我知道流行的搜索可以缓存在内存中。但是不受欢迎的搜索呢？即使对于我进行的最模糊的搜索，我也认为从未有过搜索结果大于5秒的报道。这怎么可能？

12 bigdata  google  search 

是否有关于我应使用的LSTM电池的最小，最大和“合理”数量的经验法则（或实际规则）？具体来说，我与TensorFlow和property 有关的BasicLSTMCell有关num_units。 请假设我有以下定义的分类问题： t - number of time steps n - length of input vector in each time step m - length of output vector (number of classes) i - number of training examples 例如，训练示例的数量应该大于： 4*((n+1)*m + m*m)*c c单元数在哪里？我基于此：如何计算LSTM网络的参数数量？据我了解，这应该给出参数的总数，该总数应少于训练示例的数量。

12 rnn  machine-learning  r  predictive-modeling  random-forest  python  language-model  sentiment-analysis  encoding  machine-learning  deep-learning  neural-network  dataset  caffe  classification  xgboost  multiclass-classification  unbalanced-classes  time-series  descriptive-statistics  python  r  clustering  machine-learning  python  deep-learning  tensorflow  machine-learning  python  predictive-modeling  probability  scikit-learn  svm  machine-learning  python  classification  gradient-descent  regression  research  python  neural-network  deep-learning  convnet  keras  python  tensorflow  machine-learning  deep-learning  tensorflow  python  r  bigdata  visualization  rstudio  pandas  pyspark  dataset  time-series  multilabel-classification  machine-learning  neural-network  ensemble-modeling  kaggle  machine-learning  linear-regression  cnn  convnet  machine-learning  tensorflow  association-rules  machine-learning  predictive-modeling  training  model-selection  neural-network  keras  deep-learning  deep-learning  convnet  image-classification  predictive-modeling  prediction  machine-learning  python  classification  predictive-modeling  scikit-learn  machine-learning  python  random-forest  sampling  training  recommender-system  books  python  neural-network  nlp  deep-learning  tensorflow  python  matlab  information-retrieval  search  search-engine  deep-learning  convnet  keras  machine-learning  python  cross-validation  sampling  machine-learning