浅谈 Uplift Modeling增益模型(Uplift Model)是推荐系统中的一个热门话题,用于预测干预带来的增量反馈价值,具有较大的落地意义。本文介绍了因果推断、推荐系统中的相关概念,展开介绍了几种 Uplift 的基础模型和评估指标。 2022-06-21 论文阅读 > 推荐系统 #RecSys
Python笔记 #4 常用标准库和第三方库学习 Python 时做的笔记,本文汇总了常用的 Python 标准库和第三方库,只包含基础用法,本文将持续更新。 2022-04-13 技术经验 > Python #Python
ML学习笔记 #13 协同过滤推荐算法「机器学习」课程笔记,本文介绍机器学习在推荐系统上的应用,从基于人口统计学和基于内容的推荐开始,引入协同过滤算法,推导代价函数和优化过程。含代码实现。 2022-03-21 学习笔记 > 机器学习 #ML
ML学习笔记 #12 异常检测「机器学习」课程笔记,本文介绍机器学习的一种无监督应用——异常检测,包含多元高斯分布的简介、开发一个异常检测系统的流程。含代码实现。 2022-03-15 学习笔记 > 机器学习 #ML
Linux学习笔记 #4 服务器环境配置学习 Linux 时做的笔记,本文记录了初次连接服务器后,配置 Anaconda 深度学习环境的过程,以及 Git、Zsh、反向代理等个人配置,文末附上一键配置环境脚本。 2022-03-05 技术经验 > Linux #Linux
ML学习笔记 #11 主成分分析「机器学习」课程笔记,本文首次引入了降维的概念,推导了主成分分析(PCA)的公式、算法步骤,以及介绍主成分数量的选择、重建数据等内容。含代码实现。 2022-03-01 学习笔记 > 机器学习 #ML
ML学习笔记 #10 K-Means 聚类「机器学习」课程笔记,本文首次引入了聚类问题,介绍了 K-Means 算法的基本内容,包括:步骤、优化目标、选取簇数 K 等,还介绍了改进 K-Means 的衍生算法。含代码实现。 2022-02-25 学习笔记 > 机器学习 #ML
ML学习笔记 #09 支持向量机「机器学习」课程笔记,本文介绍支持向量机(SVM)的基本内容,包括:优化目标、大间隔思想及其几何理解、软硬间隔、核函数等,通过对偶问题转化、KKT 条件简要证明了线性 SVM 的通解。 2022-02-16 学习笔记 > 机器学习 #ML
ML学习笔记 #08 数据集划分与误差分析「机器学习」课程笔记,本文介绍常用的机器学习诊断法,包括数据集划分、绘制学习曲线,利用混淆矩阵进行误差分析、计算精确率、召回率、F1-Score 等。 2022-02-10 学习笔记 > 机器学习 #ML
ML学习笔记 #07 神经网络:反向传播「机器学习」课程笔记,本文介绍基础神经网络模型的代价函数、BP反向传播算法的数学推导及神经网络模型的完整步骤。含代码实现,包括梯度检验、随机初始化等。含代码实现。 2022-02-06 学习笔记 > 机器学习 #ML
ML学习笔记 #06 神经网络基础「机器学习」课程笔记,本文介绍基础的神经网络模型及其组成要素,以逻辑门为例展示了神经网络的作用,最后介绍如何利用神经网络解决多分类问题。含代码实现。 2022-01-12 学习笔记 > 机器学习 #ML
ML学习笔记 #05 过拟合与正则化「机器学习」课程笔记,本文介绍机器学习中常见的过拟合现象,以及正则化方法的原理、在线性回归和逻辑回归中的推导和应用。含代码实现。 2022-01-09 学习笔记 > 机器学习 #ML
ML学习笔记 #04 逻辑回归:二分类到多分类「机器学习」课程笔记,本文介绍逻辑回归在二分类、多分类问题中的应用,介绍了逻辑回归的 sigmoid 假设函数、代价函数及其数学推导,首次引入决策边界。含代码实现。 2022-01-05 学习笔记 > 机器学习 #ML