wide_deep:张量流中CTR预测的广泛和深度学习

时间:2024-02-26 22:59:44
【文件属性】:

文件名称:wide_deep:张量流中CTR预测的广泛和深度学习

文件大小:7.94MB

文件格式:ZIP

更新时间:2024-02-26 22:59:44

tensorflow wide-and-deep ctr-prediction TensorflowPython

张量流中CTR预测的广泛和深度学习 总览 一个通用的广泛和深度联合学习框架。 较深的部分可以是简单的Dnn,Dnn变体(ResDnn,DenseDnn),MultiDnn,甚至可以与Cnn(Dnn-Cnn)组合。 在这里,我们使用来预测点击标签。 宽泛的模型能够记住与具有大量功能的数据的交互,但是不能将这些学习到的交互归纳为新数据。 深度模型可以很好地概括,但无法学习数据中的异常。 广泛和深入的模型结合了这两种模型,并且能够在学习异常时进行概括。 该代码使用高级tf.estimator.Estimator API。 该API非常适合快速迭代,并且可以快速对模型进行调整以适应您自己的数据集,


【文件预览】:
wide_deep-master
----conf()
--------model.yaml(3KB)
--------serving.yaml(964B)
--------data_process.yaml(517B)
--------feature.yaml(7KB)
--------hdfs.path(501B)
--------train.yaml(4KB)
--------schema.yaml(941B)
--------cross_feature.yaml(3KB)
----data()
--------eval()
--------spark()
--------train()
--------image()
--------test()
--------pred()
----python()
--------eval.py(3KB)
--------pred.py(3KB)
--------spark()
--------train.py(11KB)
--------lib()
--------tensorflow_serving()
----LICENSE(1KB)
----requirements.txt(59B)
----.gitignore(77B)
----README.md(3KB)
----scripts()
--------run_data_process.sh(927B)
--------train.sh(713B)
--------test.sh(670B)
--------load_raw_data.sh(799B)
--------load_process_data.sh(1KB)
--------kill_ps.sh(109B)
--------run_serving.sh(2KB)
--------run_ps.sh(648B)

网友评论