caml平台致力於整理和分享網際網路廣告領域的核心問題和解決方案。博主水平有限，期望能與對此話題感興趣的朋友一起學習、交流、**與分享。
注：計算廣告與機器學習（computational advertising and machine learning；簡稱caml）接下來會結合學習、工作經驗和自我的理解，總結大規模機器學習dmlc系列中xgboost 、rabit、dmlc-core、difacto等開源工具背後的演算法、並行系統和應用等內容筆記，屆時上傳！
注：此話題歸檔到《大規模機器學習》系列
機器學習演算法與技術簡介
模型比較 lasso 對比機器學習技術參考 簡介 假設集是輸入空間上的超平面，目標函式是01error。演算法是每次更正錯誤直到沒有錯誤發生。h x s ign wtx wt 1 wt ynx n 優點 缺點 實踐建議 簡介 多層感知器 優點 缺點 實踐建議 簡介 假設集是特徵的線性組合，目標函式是...
谷歌推出新工具 利用機器學習技術優化廣告
新浪科技訊 北京時間 7 月 11 日早間訊息，谷歌周二推出了新的廣告購買工具。通過新工具，谷歌嘗試更多地利用計算機演算法來對廣告進行優化，並判斷應當在 投放廣告。由於新工具有助優化廣告效果，廣告主對這些新工程式設計客棧具表示歡迎。這也將鼓勵廣告主將更多預算投放至谷歌平台。不過，隱私保護和技術領域的...
平行計算與機器學習
資料集的規模和模型的維度都是巨量的，epochs很大 將本地資料全部掃一遍是乙個epoch 完成一次訓練需要跑很多輪模型，且每調一次超引數就要重新訓練一次。所以需要借助平行計算來提高計算效率 其次，如果不懂平行計算的話，當程式執行的時候，根本不知道 出錯。主要通過提高計算梯度的效率，使模型盡快收斂，...