机器学习之评估函数探究

今天遇到有一个比较有趣的问题, 我想做一个分类问题,预测用户下单的概率,但是我出了对这个下单的概率感兴趣以外,还对下单的总人数感兴趣,中间可能考虑一些补贴的事宜,这个时候就有一个比较有意思的问题, 对于分类问题我们一般关注AUC即可,那么对于这个场景我是否能只关注AUC呢?因为考虑到下单人数的计数,我也想关注MAE,然后就产生了一个很好的问题, AUC和RMSE是否是完全同向的, 以及我们分类使用

控制论(八)--预算控制

本节简介预算控制

xgboost(八) -- 置信度

今天想和大家讲解

控制论(零)--控制论基础

今天咱们再开始一个新的领域的内容,经典的三大范畴,推理论、决策论和控制论是其中一个比较容易被忽视的科学,但是在实际的业务中又有着经典的使用场景,当我们进行成本控制的时候,经常需要控制论中的一些经典知识,现在也抽时间开启这部分内容的学习。一张图反馈与动态反馈是控制的基础, 动态是反馈控制的基础,下图是一个开环回路的示意图。设定值经常是定常的,计算控制量并让执行器进行执行的过程类似一个因果的过程,控制

多任务学习(三)--多任务模型

本章节继续结合一些常见的业务问题介绍一些多任务模型。

因果推断--uplift模型(二)

接下来这一章,咱们就来介绍一些基于深度学习的方法,当然这类方法理想情况下还是基于实验数据(RCT)进行训练。反事实回归网络(CFR)CFR其实是开启了使用深度学习的方式进行因果推断类任务的一个先河,我们知道,不同于观察模型, 因果类的模型更关注与干预的影响,而非预测值的准确性,想要从理论上得到这个干预的效果,就一定要拉齐环境,或者随机数据进行对比,所以这个网络的设计上就需要满足两方面的要求。具有拉

xgboost(七) -- 分阶段学习

今天来讨论一个问题,就是xgboost是否能支持类似多任务学习的事情呢?之前听到这个问题还是挺惊奇的,这竟然也可以,今天查阅了部分相关的资料,发现竟然真的可以,我们知道深度学习中的多任务学习是通过一个共享层,建立各个任务之间的关系,通过构建多个任务的帕累托最优解,从而解决多任务的问题,而xgb选择了使用树一条路走到黑,接下来咱们来看看xgb是如何实现多任务学习的。

自然语言处理之预训练模型(二)

之前咱们介绍的都是单一模型的预训练方法,这里介绍一个特殊一点的思路,且不说应用程度怎么样,先看看这个模型的设计思路。ELECTRAELECTRA是使用对抗网路的思路进行预训练的方式。其中生成器,一个小的MLM,就是在[MASK]的位置预测原来的词。判别器判断的是输入句子中的每个词是否被替换,需要注意的是这里没有下一句的预测任务。接下来我们来看每个模块。生成器对于生成器来说,其目的是将带有掩码的输入

求胜(二)

先来抛一个观点,崎岖的路通往皇宫,平坦的路通往村庄, 这句话想表达的就是一个事情越难其实竞争越少,综合难度未必一定比通往村庄的路代价大。那这里的难又是什么具体含义的。难度简单的事情往往是开头简单,但是你越是想把这个事情做精通,其实难度是陡然攀升的。所以简单的事情其实拼的是后期。上图列举了一个高考的例子,如果你想上大学,考个400分,其实也没有那么难,反而是简单的,但是你想上清华北大,那就要拼的是后

求胜(一)

最近看了可以一本挺有趣的书,里面一些经典的语句十分喜欢,这里准备摘抄一些,等以后有机会还能深入阅读,道理愈多,迷茫愈多。

运筹规划(十三)--存储论

本节继续讲解存储论,不过咱们要加深一下难度,大家知道这个时候不是所有的事情就是100%发生的,一定是已一个概率的形式存在的, 那么本节就要讲的核心内容就是当概率遇上运筹规划,将会有什么有意思的求解方法吗?

运筹规划(十二)--存储论

今天我们来介绍运筹优化中的一类问题,存储论问题。在日常生活中通常需要最合理、最经济的存储问题。例如水库蓄水问题等,接下来就来介绍一个存储论包括的相关概念。需求补充费用(存储费,订货费,生产费,缺货费)存储策略其中存储策略包括几种方式。t-循环策略, 每个固定的时间t,补充一个固定的存储量Q(t,S)存储策略,每隔一个固定的时间补充一次,补充的数量不固定,看实际存储量确定,如果实际存储量为L,那么补
Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×