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