关于生存分析，先前已经整理过一篇非常详细的文章：生存分析从概念到实战，里面也涉及到了 lifelines 的使用。本次梳理期望从另外的层面对生存分析的使用进行进一步的梳理。 Lifelines 简介 lifelines 是一个专注于…
Lifetimes简介 Python的lifetimes包是一个专注于客户生命周期分析（Customer Lifetime Value, CLV）和重复购买行为建模的工具库。它基于概率模型（如Beta-Geometric和Gamma-Gamma模型），帮助预测客户的未来交易频…
什么是媒体组合模型？ 媒体组合模型（Marketing Mix Modeling，MMM）是一种统计分析方法，用于量化不同营销渠道和外部因素对销售或业务目标的影响，从而优化营销预算分配和策略。 核心目标 效果评估：量化各营…
UberOrbit简介 Uber开源的Orbit是一个专为时间序列预测设计的Python库，旨在帮助开发者快速构建、评估和部署预测模型。它结合了统计模型和机器学习技术，特别适合处理具有复杂季节性、趋势性和外部协变量的时间序列…
在精细化运营细分维度的PK中，经常会遇到部分场景下数据量较小导致结构存在偏差的问题。于是引入了贝叶斯平均并发现效果不错。 贝叶斯平均简介 贝叶斯平均（Bayesian Average）是一种结合先验信息与观测数据来估…
增量分析（Incremental Analysis）是衡量营销活动或广告投放“真实增量效果”的核心方法，旨在回答一个关键问题：如果没有这次营销活动，用户的行为会发生怎样的变化？它通过量化广告带来的纯新增转化（即用户原本不…
什么是目标编码？ 目标编码（Target Encoding），又称均值编码、似然编码，是一种将分类变量转换为数值特征的技术，通过利用目标变量的统计信息来捕捉类别与目标之间的关系。 核心思想 目标编码用目标变量的…
为什么需要后台任务？ 场景痛点：同步处理耗时操作（如发送邮件、数据分析）导致请求阻塞，用户体验差。 核心价值：后台任务实现异步非阻塞，提升吞吐量和响应速度。 FastAPI 优势：原生支持异步、多种任务方案…
在数据分析或算法模型搭建时，经常会遇到将连续变量转化为类别分箱的场景。用的分箱方法有等宽分箱、等频分箱、聚类分箱和基于决策树的分箱等。今天要分享的是基于组别间差异的决策树分箱方法。 代码实现 import …
重采样（Resampling）是处理数据不平衡问题的核心技术之一，通过调整训练数据中不同类别的样本比例，使模型更关注少数类。 重采样的两类核心方法 过采样（Oversampling） 目标：增加少数类样本数量，平衡类…
