multi_task_learning:多任务功能学习

上传者: 42120997 | 上传时间: 2022-11-10 22:07:07 | 文件大小: 6KB | 文件类型: ZIP
多任务功能学习 这是一种用于同时学习多个任务(假设它们共享一组共同的潜在特征)的方法。 它基于规范化任务矩阵的范围。 使用跟踪规范进行正则化是该框架的特例。 在多任务学习的各种应用中,一个例子是产品对消费者的个性化推荐。 在论文,和中详细介绍了该方法。 注意,可以将方法与非线性核一起使用,而不要使用显式特征。 在使用Gram-Schmidt或Cholesky分解进行预处理之后,就可以在Gram矩阵上运行代码(请参阅第5节“ )。

文件下载

资源详情

[{"title":"( 8 个子文件 6KB ) multi_task_learning:多任务功能学习","children":[{"title":"multi_task_learning-master","children":[{"title":"test_error_unbalanced.m <span style='color:#111;'> 461B </span>","children":null,"spread":false},{"title":"kernel_regression.m <span style='color:#111;'> 218B </span>","children":null,"spread":false},{"title":"run_code_example.m <span style='color:#111;'> 1.71KB </span>","children":null,"spread":false},{"title":"train_kernel.m <span style='color:#111;'> 574B </span>","children":null,"spread":false},{"title":"LICENSE <span style='color:#111;'> 1.05KB </span>","children":null,"spread":false},{"title":"train_alternating.m <span style='color:#111;'> 4.39KB </span>","children":null,"spread":false},{"title":"train_alternating_epsilon.m <span style='color:#111;'> 1.01KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.09KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明