5.3 预处理数据 5.3.1 标准化，也称去均值和方差按比例缩放 5.3.1.1 将特征缩放至特定范围内 5.3.1.2 缩放稀疏（矩阵）数据 5.3.1.3 缩放有离群值的数据 5.3.1.4 核矩阵的中心化 5.3.2 非线性转换 5.3.2.1 映射到均匀分布 5.3.2.2 映射到高斯分布 5.3.3 归一化 5.3.4 类别特征...

Conv2DTranspose 属性 Conv2DTranspose class paddle.fluid.dygraph. Conv2DTranspose ( num_channels, num_filters, filter_size, output_size=None, padding=0, stride=1, dilation=1, gro...

1. 聚类算法 1.1. K均值（[2.0] KMeans） 训练节点 预测节点 1.2. 高斯混合（[2.0] GaussianMixture） 训练节点 预测节点 1.3. 二分k均值（[2.0] BisectingKMeans） 算法说明 训练节点 预测节点 1. 聚类算法 1.1. K均值（[2.0] KMean...

配置模块补丁 版本：v1.6 配置模块补丁 在我们在进行定义的编写时，有时需要对其他的组件或者运维特征进行修改、打补丁。我们可以在自定义运维特征和自定义工作流步骤中执行补丁操作。 在默认情况下，KubeVela 会将需要打补丁的值通过 CUE 的 merge 来进行合并。但是目前 CUE 无法处理有冲突的字段名。 比如，在一个组件实例中已经设置 ...

个性化推荐 背景介绍 效果展示 模型概览 YouTube的深度神经网络个性化推荐系统 候选生成网络（Candidate Generation Network） 排序网络（Ranking Network） 融合推荐模型 文本卷积神经网络（CNN） 融合推荐模型概览 数据准备 数据介绍与下载 模型配置说明 训练模型 定义训练环境 定义数...

九、AFM 9.1 模型 9.2 实验 9.2.1 超参数探索 9.2.2 attention network 9.2.3 模型比较 九、AFM FM 将所有二阶交叉特征都认为是同等重要的，事实上并非如此。有一些二阶交叉特征是没有价值的，可能会引入噪声并且降低模型性能。 论文 《Attentional Factorization Ma...

二、主成分分析 PCA 2.1 PCA 原理 2.1.1 坐标变换 2.1.2 重构误差 2.2 PCA 算法 2.3 性质 2.4 最大可分性 2.5 PCA 与 SVD 二、主成分分析 PCA 主成分分析Principal Component Analysis:PCA 是最常用的一种降维方法。 2.1 PCA 原理 2....

AdaptiveAvgPool2D 参数 形状 返回 抛出异常 代码示例 AdaptiveAvgPool2D paddle.nn.AdaptiveAvgPool2D ( output_size, data_format=’NCHW’, name=None ) [源代码] 该算子根据输入 x , output_size 等参数对一个输入...

adaptive_avg_pool2d 参数 返回 抛出异常 代码示例 adaptive_avg_pool2d paddle.nn.functional. adaptive_avg_pool2d ( x, output_size, data_format=’NCHW’, name=None ) [源代码] 该算子根据输入 x , outp...