监督学习中的分类问题和Logistic回归常常被用于推荐问题中关于BPR的研究，但是为什么一定要用Logistic函数来建模和优化呢？本篇博客将带你揭晓奥秘~
本文是Steffen Rendle的文章BPR: Bayesian Personalized Ranking from Implicit Feedback的译文
回归分析方法之岭回归（Ridge Regression）
CNN经典算法VGGNet介绍
神经网络发展简介
8个非常好的NLP领域的预训练模型（包含代码和论文资源）
Targeted Topic Modeling for Focused Analysis(TTM的理解)
斯坦福2022年度AI指数报告简介及下载链接
特征工程相关技术简介
截至2022年4月份全球大语言模型一览图
Python报Memory Error或者是numpy报ValueError: array is too big; `arr.size * arr.dtype.itemsize` 的解决方法
Generative Adversarial Networks 生成对抗网络的简单理解
Dirichlet Distribution（狄利克雷分布）与Dirichlet Process（狄利克雷过程）
回归模型中的交互项简介（Interactions in Regression）
贝塔分布（Beta Distribution）简介及其应用
矩母函数简介（Moment-generating function）
使用R语言进行K-means聚类并分析结果
普通最小二乘法（Ordinary Least Squares，OLS）的详细推导过程
H5文件简介和使用
深度学习技巧之Early Stopping（早停法）
stata 用outreg2输出回归结果
最小二乘法（Least Squares）详细介绍