wide_deep模型可以用于分类问题，也可以用于回归问题。
在wide_deep模型中把一个数据的信息用稀疏特征和密集特征来表示，基于这两种特征构建模型。
Wide模型的模型结构：
如下，左图为一个wide模型，这个模型只有一层，所有的输入直接连到输出上，输入就是前面介绍的稀疏特征，（也就是一个one-hot表达，one-hot表达中的每一个分量都直接连接到输出单元上）。
Wide-deep模型：
如下，右图就是一个Wide-deep模型，在Wide-deep模型中左边是一个wide模型，右边是一个deep模型。deep模型就是一个有多层的神经网络（对于一个输入数据，首先把它表示成一个密集的向量表达，在密集的向量表达之上有一个多层的全连接神经网络，经过多层的全连接神经网络之后，再连接到输出上）
deep VS wide_deep：
Wide-deep模型是把Wide模型和deep模型组合起来的模型
下面图中，“User installed app”和“impression app”叉乘作为wide模型的输入
原创文章 46
获赞 49
访问量 2197