Skip to content

M
models

PaddlePaddle / models
大约 2 年 前同步成功

通知 232
Star 6828
Fork 2962
M
models
提交 7be65723 编写于 作者: Q Qiao Longfei
浏览文件
操作

fix typo

上级 a63df7b2
显示空白变更内容
内联 并排
Showing with 2 addition and 4 deletion
fluid/README.cn.rst
浏览文件 @ 7be65723
...@@ -198,4 +198,3 @@ SimNet是百度自然语言处理部于2013年自主研发的语义匹配框架 ...@@ -198,4 +198,3 @@ SimNet是百度自然语言处理部于2013年自主研发的语义匹配框架
基于DNN模型的点击率预估模型，使用的是Kaggle公司举办的展示广告竞赛中所使用的Criteo数据集。和论文DeepFM: A Factorization-Machine based Neural Network for CTR Prediction中的的dnn网络结构， 基于DNN模型的点击率预估模型，使用的是Kaggle公司举办的展示广告竞赛中所使用的Criteo数据集。和论文DeepFM: A Factorization-Machine based Neural Network for CTR Prediction中的的dnn网络结构，
经过一个pass的训练之后，测试数据集的AUC能达到0.8左右。 经过一个pass的训练之后，测试数据集的AUC能达到0.8左右。
能达到0.8左右。
\ No newline at end of file
fluid/README.md
浏览文件 @ 7be65723
...@@ -166,4 +166,3 @@ SimNet是百度自然语言处理部于2013年自主研发的语义匹配框架 ...@@ -166,4 +166,3 @@ SimNet是百度自然语言处理部于2013年自主研发的语义匹配框架
基于DNN模型的点击率预估模型，使用的是Kaggle公司举办的展示广告竞赛中所使用的Criteo数据集。和论文DeepFM: A Factorization-Machine based Neural Network for CTR Prediction中的的dnn网络结构， 基于DNN模型的点击率预估模型，使用的是Kaggle公司举办的展示广告竞赛中所使用的Criteo数据集。和论文DeepFM: A Factorization-Machine based Neural Network for CTR Prediction中的的dnn网络结构，
经过一个pass的训练之后，测试数据集的AUC能达到0.8左右。 经过一个pass的训练之后，测试数据集的AUC能达到0.8左右。
能达到0.8左右。
\ No newline at end of file
Markdown is supported
0% 或 .
You are about to add 0 people to the discussion. Proceed with caution.
先完成此消息的编辑！
想要评论请 注册 或