t-SNE(t-distributed stochastic neighbor embedding)是用于降维的一种机器学习算法，是由 Laurens van der Maaten 和 Geoffrey Hinton在08年提出来。此外，t-SNE 是一种非线性降维算法，非常适用于高维数据降维到2维或者3维，进行可视化。
2016年的博客,看似写的少,却是比往年更加的认真, 深入和专注. 2017年,会陆续做一些放出和连续性的教程类文章.
谷歌的GooglePlay的推荐模型Wide and Deep Learning 模型，目前已经提供了tensorflow的开源版本。
梯度下降是机器学习中非常流行的一种优化算法，在神经网络中更是最常用的一种方法。与此同时，也产生了大量的变种和改进的算法，这些算法在caffe、keras等等深度学习框架中被大量采用和实现。本篇主要介绍不同变种的梯度下降。
FM 模型用于推荐，提供了在非常大特征空间且非常稀疏的情况下更好得学习参数的一种方法。
2013年的paper了，大规模离散LR模型，用于ctr预估。
文章分类 65篇