随笔分类 -  广告计算

【定向广告】淘宝定向广告演化(未完)
摘要:电商的定向广告和搜索广告的不同在于俩点: 1.用户没有明显的意图(主动Query查询) 2.用户来到淘宝之前,自己也没有特别明确的目标 (此时利用以往的历史行为进行item推荐) 因此定向广告需要考虑的样本特征更多的和历史有关。 如何划分样本: 一个正样本如下所示: p(y=1|ad,context 阅读全文

posted @ 2020-03-20 01:19 雪原那么远 阅读(308) 评论(0) 推荐(0) 编辑

【推荐系统】Learning to Rank(还在编辑)
摘要:Learning to Rank 在一些推荐场景中,不仅要考虑预估问题,还要考虑排序问题。比如在Query场景中,使得期望用户选中的item在排序结果中更靠前。比如我用百度搜索一个东西,我能在第一页就能找到我想要的结果,那么在这种情况就会远远好过我还要再翻一页才能找到我想要的结果。 Ranking模 阅读全文

posted @ 2020-03-09 18:35 雪原那么远 阅读(847) 评论(0) 推荐(0) 编辑

【ML】数据清洗
摘要:之前听别人说,一个好的数据分析师80%的时间都花在数据清洗上,一个高质量的数据集才能支撑的了接下来的数据分析和应用。 什么是好的数据质量呢,我认为只要满足俩个方面就可以了: 1.完整:比如说 缺值少值,值不完整,NAN之类 2.合法:数据的类型,内容,大小是符合该特征的。比如,一个年龄的特征值不可能 阅读全文

posted @ 2020-02-25 20:39 雪原那么远 阅读(289) 评论(0) 推荐(0) 编辑

【ML】从Titannic说起一个完整机器学习的7步骤
摘要:一个机器学习主要要经过如下几步: 这么一讲比较抽象,我拿Kaggle比赛中的泰坦尼克生存率预测为例子: 收集数据:https://github.com/cystanford/Titanic_Data 该数据集一共有俩个文件: train.csv:训练集,包含特征信息,分类结果(存活与否) test. 阅读全文

posted @ 2020-02-24 21:36 雪原那么远 阅读(324) 评论(0) 推荐(0) 编辑

【MF】SVD
摘要:矩阵分解是推荐系统的主流思想之一,它的思想是把矩阵拆解为多个矩阵的乘积。 矩阵分解有俩种方法,分别是 EVD(特征值分解) 和 SVD(奇异值分解),在推荐系统中许多矩阵是非对称的,而且不是方阵,所以通常在应用过程中采用SVD。 如图所示,我们可以认为A是uer/iterm矩阵,通过矩阵分解,我们可 阅读全文

posted @ 2020-02-24 10:44 雪原那么远 阅读(365) 评论(0) 推荐(0) 编辑

导航

点击右上角即可分享
微信分享提示