层次聚类方法ROCK
[LATEXPAGE] ROCK算法概述 ROCK产生背景 传统聚类算法的局限性 20世纪90年代末，随着电子商务、市场篮子分析和生物信息学等领域的快速发展，分类属性和布尔型数据的聚类需求日益凸显。传统聚类方法面临两大挑战： 距离度量的不适…
法→原理
机器学习聚类算法之K-Medians
K-Medians简介 K-Medians 是 K-Means 聚类算法的一种变体，通过使用中位数而非均值来计算聚类中心，从而提升对异常值的鲁棒性。 核心思想 目标函数：最小化每个数据点到其所属聚类中心的曼哈顿距离之和 与 K-Means …
机器学习聚类算法之k-medoids
k-medoids算法概述 k-medoids 是一种基于中心的聚类算法，是 k-means 算法的改进版本。与 k-means 使用簇内数据点的均值作为中心点不同，k-medoids 使用实际数据点作为中心点（称为 medoid）。 与 …
开源因果推断库CausalML
因果推断核心概念 我们将通过一个贯穿始终的简单例子来讲解：评估一个广告（比如一封营销邮件）对用户购买行为的影响。 干预（Treatment）: 发送营销邮件。 W = 1：用户被分配到处理组（计划发送邮件）。 W = 0：用户被分配到对照组…
为什么聚类常让人失望
引言：聚类的美好承诺与普遍困境 当我们谈论聚类分析时，脑海中往往会浮现这样一个理想场景：将相似的数据对象自动分组，为业务决策提供清晰指导。这种无监督学习方法的吸引力在于其能够探索数据内在结构，而无需预先标记的训练数据。 然而在实际应用中，许…
字符压缩编码之香农-范诺编码（Shannon-Fano Coding）
[LATEXPAGE] 香农-范诺编码简介 香农-范诺编码（Shannon-Fano Coding）是一种经典的无损数据压缩算法，由克劳德·香农（Claude Shannon）和罗伯特·范诺（Robert Fano）于1948年左右独立提出…
字符压缩之哈夫曼编码（Huffman Coding）
哈夫曼编码简介 哈夫曼编码（Huffman Coding）是一种基于字符出现频率进行编码的无损数据压缩算法，由大卫·哈夫曼于1952年提出。它的核心思想是：赋予高频字符较短的编码，赋予低频字符较长的编码，从而使整个数据的平均编码长度达到最小…
NLP技术分析之均值池化
[LATEXPAGE] 均值池化简介 均值池化（Mean Pooling） 是自然语言处理（NLP）中常用的一种技术，用于将一组词向量（如一个句子中所有词的向量）压缩成一个固定长度的句子向量。它的核心思想是通过简单的数学平均操作，将分散的词…
营销增益模型(Uplift Model)
[LATEXPAGE] 随着机器学习等技术的发展，智能化营销已经渗透到各行各业。商家可以通过多种渠道触达消费者，比如淘宝上商家可以圈定他想要的目标人群，进行广告推送，为店铺拉新，也可以通过短信或旺旺这些渠道定向发放优惠券。对很多公司而言，进…
机器学习中的正则化
[LATEXPAGE] 什么是正则化？ 正则化（Regularization）是机器学习中一种防止模型过拟合的核心技术。它的核心思想是：在模型训练过程中，对模型的复杂度施加惩罚，让模型在“拟合数据”和“保持简单”之间找到平衡。简单来说，正则…
