09 2017 档案

摘要：点击率预估方法总结 前言： 最近一直在做帖子维度的CTR预估，尝试了好些方法，把一些经过和想法记录下来。 C 表示点击数，I 表示展示数，p 表示CTR 1. 普通方法 p = C / I 直接使用帖子的点击数除以曝光数，存在的问题很明显： 1. 可能有的帖子曝光数很少，甚至为 0，以至于得不到准确 阅读全文

摘要：这两天在用spark做点击率的贝叶斯平滑，参考雅虎的论文进行了一番尝试。 先上代码： 1 # click_count, show_count # this method takes time 2 def do_smooth(data_list): 3 import scipy.special as 阅读全文

摘要：2017年的学习目标 方向：程序设计、数据挖掘、搜索排序、计算广告、用户画像、推荐、自然语言处理 语言：Shell、C++、Java、Python、Scala、Lisp、Ruby 读书：PRML、随机过程、蓝皮书、西瓜书、实战、计算广告、数学之美、浪潮之巅 大数据：Hadoop、Spark、Stor 阅读全文

摘要：平时习惯用一些linux命令来完成工作，在Windows上有cygwin和gitbash两个选择。这两个我都装了。 相对来说cygwin支持的功能更多一些，但是它没有默认绑定到右键菜单。为此，我想到用万能的注册表解决这个事情。网上搜索了一下，把我眼中best answer贴出来供大家... 阅读全文

摘要：图片太小，请参见数据类型操作在Spark上的应用案例Beta分布随机数Bayes平滑计算CTR先验Bayes平滑计算CTR先验class entity(traindata: RDD[Array[Double]], outputPath: String) extends serial... 阅读全文

摘要：今天在翻刘鹏@北冥乘海生的《计算广告》时，看到“边际成本 ”一词，在知乎上看到@猴子同学的介绍，顿时心里澎湃不已，于是想写点什么。要了解“边际成本”，先了解一下“边际效应”，大概是这么一个意思： “大热天你口渴难耐时，喝一瓶北冰洋很爽，喝两瓶还是挺爽，第3瓶第4瓶就没那么爽”。说明边... 阅读全文

摘要：今年注定是不寻常的一年，因为技术，接触了许多大牛。通过一篇篇博文，看到了大牛们勤奋好学、孜孜不倦的精神，于是决定也开个博客，向大牛学习。 博客开了，写点什么呢？奈何肚子里墨水不多，吐出来也多是白沫，不如写写自己的学习心得，一来可以鼓励自己，再者，也能给后来人提供些许思路。 第一篇博客，不谈实质，就谈 阅读全文