-
异常检测（Anti-Fraud: Anomaly Detection）
相对于有清晰定义的有监督分类问题我，反欺诈的数据集通常没有标签，区分噪声（noise）和异常（anomaly）… 阅读更多
-
常见反欺诈算法（Anti-Fraud Concepts and Algos）
最近看到关于常见的反欺诈算法讨论，其中一些要点摘录如下： 关系网络（图模型）：关系网络挖掘的方法包括社区挖掘（… 阅读更多
-
用户画像（User Profile）实例：天猫回购客户预测（Repeated Buyers in Tmall）
介绍： 通过长期的用户行为数据判断用户回购，从而提高市场营销的效率。 数据：天池数据集。半年左右用户行为，包括… 阅读更多
-
评估指标（Evaluation Metrics）: ROC, AUC, KS
在逻辑回归、随机森林、GBDT、XGBoost中, 模型训练完成之后每个样本都会得到两个概率值，一个是样本为正… 阅读更多
-
用户画像（User profiling）
用户画像，是指用户信息的标签化，从不同的维度比如消费者的基本信息、消费习惯、社会关系、生活习惯、网络轨迹等抽取… 阅读更多
-
机器学习算法（Models）：GBDT+LR
用Tree Models加线性模型的建模方法来自于Facebook在2013年发表的关于广告点击率模型的研究。… 阅读更多
-
用户价值模型（Customer Lifetime Value）：RFM
RFM是用来评价用户的一个模型框架，分别指R-Recency，F-Frequency，M-Monetary v… 阅读更多
-
机器学习算法（Models）：Wide & Deep
Deep model，wide model,optimization methods, FTRL, Adagr… 阅读更多
-
机器学习算法（Models） – Tree-Based Family
keywords：决策树，梯度提升树，Decision Tree，AdaBoost, GBDT，XGBoost… 阅读更多
-
Understanding regularization: 三个角度理解正则化的作用
正则项的作用，可以从几个角度去解释： 优化角度 偏差方差 Bayes先验解释，把正则当成先验 正则化的问题 我… 阅读更多
机器学习随笔 