背景
AB实验可谓是互联网公司进行产品迭代增加用户粘性的大杀器。但人们对AB实验的应用往往只停留在开实验算P值,然后let it go。。。let it go 。。。
让我们把AB实验的结果简单的拆解成两个方面:[P(实验结果显著) = P(统计检验显著|实验有效)× P(实验有效)]
如
目录
1 构建数据
2 随机初始化数据
3 前向传播
4 计算损失
5 反向传播
6 更新参数
7 构建模型
8 预测
9 开
LeetCode初级算法--排序和搜索01:第一个错误的版本
搜索微信公众号:'AI-ming3526'或者'计算机视觉这件小事' 获取更多算法、机器学习干货
csdn:https://blog.csdn.net/baidu_31657889/
csdn:https://blog.cs
LeetCode初级算法--动态规划01:爬楼梯
搜索微信公众号:'AI-ming3526'或者'计算机视觉这件小事' 获取更多算法、机器学习干货
csdn:https://blog.csdn.net/baidu_31657889/
csdn:https://blog.csdn.net
预期逻辑顺序:
最小二乘原理(大约一小段)
最小二乘历史由来,
最小二乘法公式形式(以一次函数为例)
最小二乘估计分析
最小二乘性质,特点
高斯分布
t分布
加入正则化的考量(Hilbert空间,kernel方
逻辑斯蒂回归(分类)
sigmoid函数与二项逻辑回归模型
(sigmoid)函数为:[
sigmoid(x)=pi(x)=frac{1}{1+e^{-x}}\
]
其中(x in mathbb{R}),(sigmoid(x)in (0,1)).
又,其导数[
pi'(x)=pi(x)(1
目录
一、概述
Meta Learning = Learn to learn
让机器去学习如何进行学习:使用一系列的任务来训练模型,模型根据在这些任务上汲取的经验,成为了一个强大的学习者,能够更快的学习新任务。
Meta Learni
2019杭州云栖大会上,高德地图技术团队向与会者分享了包括视觉与机器智能、路线规划、场景化/精细化定位时空数据应用、亿级流量架构演进等多个出行技术领域的热门话题。现场火爆,听众反响强烈。我们把其中的优秀演讲内容整理成文并陆续发布出来,本文为其中一篇。
阿里巴巴高级地图技术专家方兴
1 - 基础定理与定义
条件概率公式:[
P(A|B)=dfrac{P(AB)}{P(B)}
]
全概率公式:[
P(A)=sum_{j=1}^N P(AB_i)=sum_{j=1}^N P(B_i)P(A|B_i)
]
贝叶斯公式:[
P(B_i|A)=dfrac{P(AB_i)}{P(
LeetCode初级算法--树01:二叉树的最大深度
搜索微信公众号:'AI-ming3526'或者'计算机视觉这件小事' 获取更多算法、机器学习干货
csdn:https://blog.csdn.net/baidu_31657889/
csdn:https://blog.csdn.n
LeetCode初级算法--树02:验证二叉搜索树
搜索微信公众号:'AI-ming3526'或者'计算机视觉这件小事' 获取更多算法、机器学习干货
csdn:https://blog.csdn.net/baidu_31657889/
csdn:https://blog.csdn.ne
论文研读:基于统计重加权的方法减少通用回复
会议名称:EMNLP2018
文章题目:Towards Less Generic Responses in Neural Conversation Models: A Statistical Re-weighting Method
原文链接:ht
]]>]]>]]>]]>
这篇论文是在 Recursive Partitioning for Heterogeneous Casual Effects 的基础上加入了两个新元素:
Trigger:对不同群体的treatment选择个性化阈值。 E.g优惠券力度,红包金额
新的Node Penalty: 旨在增强模型
python主要可以做Web 和 Internet开发、科学计算和统计、桌面界面开发、软件开发、后端开发等领域的工作。
Python是一种解释型脚本语言。Python可以应用于众多领域,如:数据分析、组件集成、网络服务、图像处理、数值计算和科学计算等众多领域。互联网公司广泛使用P
神经网络学习笔记(2)
本文是神经网络学习笔记的第二部分,紧接着笔者的神经网络学习笔记(1),主要内容为对总结神经网络的常用配置方式,包括如下几点:(1)数据预处理;(2)权重初始化;(3)正则化与Dropout;(4)损失函数。
1、数据预处理
一直以来机器学习希望解决的一个问题就是'what if',也就是决策指导:
如果我给用户发优惠券用户会留下来么?
如果患者服了这个药血压会降低么?
如果APP增加这个功能会增加用户的使用时长么?
如果实施这个货币政策对有效提振经济么?
这类问题之所以难以解决是因为ground truth在
这篇是treatment effect估计相关的论文系列第一篇所以会啰嗦一点多给出点背景。
论文
Athey, S., and Imbens, G. 2016. Recursive partitioning for heterogeneous causal effects. Proceed
1.导读
关于应用的主题定制,相信大家或多或少都有接触,基本上,实现思路可以分为两类:
内置主题(应用内自定义style)
外部加载方式(资源apk形式、压缩资源、插件等)
其实,针对不同的主题定制实现思路,没有绝对的好坏,每种实现方案都有其利弊,重
2.1 二分类Binary Classification
图1 图2
一张64*64像素的图片如图1,在计算机中保存形式如图2所示。三个64*64的矩阵,分别对应图片中红