用生存分析搭建补贴时机模型
[LATEXPAGE] 问题定义：补贴什么时候触发？ 在许多互联网产品中，动态补贴策略都需要回答两个核心问题：补多少（补贴率）和什么时候补（补贴时机）。无论是出行平台的司机接单激励，还是前端页面的用户留存补贴，背后的数学建模是相通的。本文聚…
机器学习
Python机器学习扩展包Mlxtend
Mlxtend 简介 Mlxtend 是一个Python开源库，全称为 “machine learning extensions”（机器学习扩展）。由 Sebastian Raschka 创建并维护，其核心目标是提供一系列在日常数据科学和机…
机器学习在酒店聚合中的应用与实践
在线旅游平台通过整合多个供应商的酒店资源，为用户提供一站式比价服务。酒店聚合能力直接影响用户体验：一方面需要确保信息准确，避免"到店无单"的风险；另一方面要保证信息的实时性，帮助用户快速决策。 业务挑战分析 准确性挑战。不同供应商对同一酒店…
线性代数学习之向量
[LATEXPAGE] 在线性代数中，向量和矩阵是重要的概念。向量是一种特殊的矩阵，矩阵也是一种特殊的向量。一个n维向量，可以写成nx1的矩阵，或者1xn的矩阵，分别叫做列向量与行向量。单个向量可以视为一阶矩阵，多个向量组合在一起就组成了矩…
Python优化算法包Scikit-Opt
[LATEXPAGE] Scikit-Opt 简介 scikit-opt 是一个封装了多种启发式算法的 Python 代码库，可以用于解决优化问题。虽然它的名字与著名的机器学习库 scikit-learn 相似，但两者并没有直接的隶属关系。…
监督学习与无监督学习
在机器学习或者人工智能领域，人们首先会考虑算法的学习方式。在机器学习领域,主要分为：监督学习，非监督学习，半监督学习和强化学习。监督学习主要用于回归和分类；半监督学习主要用于分类，回归，半监督聚类；无监督学习主要用于聚类。 监督学习（sup…
机器学习/数据分析之缺失值处理
在机器学习数据预处理阶段经常需要对数据进行缺失值处理。关于缺失值的处理并没有想象中的那么简单。以下为一些经验分享。 数据缺失类型 完全随机丢失（MCAR，Missing Completely at Random）：某个变量是否缺失与它自身的…
机器学习之特征选择方法
[LATEXPAGE] 特征选择是特征工程里的一个重要问题，其目标是寻找最优特征子集。特征选择能剔除不相关(irrelevant)或冗余(redundant)的特征，从而达到减少特征个数，提高模型精确度，减少运行时间的目的。另一方面，选取出…
特征工程数据预处理之抽样
在分析数据或进行算法模型训练前有时需要先对数据进行抽样，这里整理了抽样的一些知识点。 什么情况下需要会用到抽样？ 数据量太大，计算能力不足。 抽样调查，小部分数据即可反应全局情况。 时效要求，通过抽样快速实现概念验证。 定性分析的工作需要。…
PMML，JAVA调用Python算法模型
公司大部分应用的使用的是JAVA开发，要想使用Python模型非常困难，网上搜索了下，可以先将生成的模型转换为PMML文件后即可在JAVA中直接调用。 PMML简介 模型预测标记语言（Predictive Model Markup Lang…
