全国最好网站建设wordpress微信电子书插件

当前位置： 首页 > news >正文

全国最好网站建设,wordpress微信电子书插件,代做seo排名,大连做网站电话【数据清洗】 异常检测 孤立森林#xff08;Isolation Forest#xff09;从原理到实践 效果评估#xff1a;F-score 【1】 保护隐私的时间序列异常检测架构 概率后缀树 PST – #xff08;异常检测#xff09; 【1】 UEBA架构设计之路5#xff1a; 概率后缀树模型 【…【数据清洗】 异常检测 孤立森林Isolation Forest从原理到实践 效果评估F-score 【1】 保护隐私的时间序列异常检测架构 概率后缀树 PST – 异常检测 【1】 UEBA架构设计之路5 概率后缀树模型 【2】 基于深度模型的日志序列异常检测 【3】 史上最全异常检测算法概述 后缀树 – 最长公共子串 【1】 【1】 【1】 【1】 【1】后缀树 - 字符串问题 【2】 后缀树应用5 – 最长的公共子字符串 【2】 【2】后缀树构造、C代码 【3】 python库 suffix_tree 风控 【1】 风控策略产品经理案例蚂蚁金服-支付宝的风控策略浅析 一致性检测 【1】 【推荐】样本/数据一致性检验的方法Kappa检验、ICC组内相关系数、Kendall W协调系数 【2】 一致性检验 Kappa、Kendell
冲突识别 【时间序列预测分析】 AR / MA / ARMA / GARCH 模型 AR模型自回归模型是一种线性模型.AR模型是一种线性预测即已知N个数据可由模型推出第N点前面或后面的数据设推出P点所以其本质类似于插值。MA模型移动平均法模型其中使用趋势移动平均法建立直线趋势的预测模型。ARMA模型自回归滑动平均模型拟合较高阶模型。模型参量法高分辨率谱分析方法之一。这种方法是研究平稳随机过程有理谱的典型方法。它比AR模型法与MA模型法有较精确的谱估计及较优良的谱分辨率性能但其参数估算比较繁琐。GARCH模型广义回归模型是ARCH模型的拓展对误差的方差建模适用于波动性的分析和预测。 SARIMA 模型 (seasonal ARIMA) 用Python预测「周期性时间序列」的正确姿势 SARIMA季节项时间序列分析流程python代码模型定阶 枚举法 Python - 时序 pandas处理时间序列2DatetimeIndex、索引和选择、含有重复索引的时间序列、日期范围与频率和移位、时间区间和区间算术seasonal_order定阶 【A/B 实验】 【1】 干货22道AB实验面试题涵盖95%常考知识点『中篇』 累计去重口径 Q在进行AB实验评估时选择指标的「累计去重口径」还是「非累计去重口径」更为科学呢 A答案是「累计去重口径」在分组用户均衡的情况下累计去重口径可以保证样本量的均衡不会受到实验策略对留存的干扰避免用户出现有偏的情况。 举个例子 第一日来了100个用户第二日来了100个用户两日中有50个用户是重复的。 两日累计去重口径用户数 100100-50150 两日非累计去重口径用户数 100100200人。
实验周期的确定 最小样本量 每天进入实验的样本量 × 实验天数 实验层的总流量 × 实验流量占比 × 实验天数 在实际的业务操作过程当中业务都存在一些效应例如新奇效应、改变厌恶等等另外我们也需要考虑一个完整的业务周期因为就大多数APP而言周中和周末的人群行为表现是存在差异的因此我们一般会尽量通过调整实验流量配比来满足7天的实验天数。 第八章 【集成学习】 【1】

1. 串行 - 偏差【Boosting算法】 – Adaboost boosting的算法过程如下 对于训练集中的每个样本建立权值wi表示对每个样本的关注度。当某个样本被误分类的概率很高时需要加大对该样本的权值。 进行迭代的过程中每一步迭代都是一个弱分类器。我们需要用某种策略将其组合作为最终模型。例如AdaBoost给每个弱分类器一个权值将其线性组合最为最终分类器。误差越小的弱分类器权值越大
2. 并行 - 方差【Bagging算法】 【1】【2】 bagging的算法过程如下 从原始样本集中使用Bootstraping方法(自助法是一种有放回的抽样方法)随机抽取n个训练样本共进行k轮抽取得到k个训练集。k个训练集之间相互独立元素可以有重复 对于k个训练集我们训练k个模型。这k个模型可以根据具体问题而定比如决策树等 对于分类问题由投票表决产生分类结果对于回归问题由k个模型预测结果的均值作为最后预测结果。所有模型的重要性相同 随机森林 优点 1 训练可以高度并行化对于大数据时代的大样本训练速度有优势。个人觉得这是的最主要的优点。 2 由于可以随机选择决策树节点划分特征这样在样本特征维度很高的时候仍然能高效的训练模型。 3 在训练后可以给出各个特征对于输出的重要性 4 由于采用了随机采样训练出的模型的方差小泛化能力强。 5 相对于Boosting系列的Adaboost和GBDT RF实现比较简单。 6 对部分特征缺失不敏感。 缺点 1在某些噪音比较大的样本集上RF模型容易陷入过拟合。
3. 取值划分比较多的特征容易对RF的决策产生更大的影响从而影响拟合的模型的效果。
4. Adaboost Bagging 区别 1样本选择 Bagging采用的是Bootstrap随机有放回抽样 Boosting每一轮的训练集是不变的改变的只是每一个样本的权重。 2样本权重 Bagging使用的是均匀取样每个样本权重相等 Boosting根据错误率调整样本权重错误率越大的样本权重越大。 3预测函数 Bagging所有的预测函数的权重相等 Boosting中误差越小的预测函数其权重越大。 4并行计算 Bagging各个预测函数可以并行生成不存在强依赖关系 Boosting各个预测函数必须按顺序迭代生成存在强依赖关系。 5计算效果 Bagging主要减小了varianceBoosting主要减小了bias而这种差异直接推动结合二者的MultiBoosting的诞生 下面是将决策树与这些算法框架进行结合所得到的新的算法 1Bagging 决策树 随机森林 2AdaBoost 决策树 提升树 3Gradient Boosting 决策树 GBDT *GBDT vs XGBoost eXtreme Gradient Boosting极致梯度提升基本思想相同但是XGBoost做了一些优化比如二阶导数使损失函数更精准正则项避免树过拟合Block存储可以并行计算等。
   第九章 【高斯过程】 【1】 【2】 第十章 【半监督学习】
5. 协同训练多视图半监督 2. 图 · 半监督
6. 半监督SVM 【1】【2】 直推式支持向量机「TSVM」与半监督支持向量机「S3VM」 S3VM 基于聚类假设试图通过探索未标记数据来规范、调整决策边界为了利用未标记的数据则需要在现有的支持向量机「SVM」上增加两个对未标记的数据点限制。TSVM 主要用于二分类问题其试图考虑对未标记样本进行可能的标记指标Label Assignment即尝试将每个未标记样本分别作为正例或反例并在对应的结果中寻求间隔最大化的划分超平面 第十章 【神经网络 深度学习】
7. 卷积神经网络 CNN 【1】Sigmoid和Relu激活函数的对比 第十二章 【强化学习】 【1】 Q-learning 【激活函数】 【1】 python激活函数及其导数画图sigmoid/tanh/relu/Leakyrelu/swish/hardswish/hardsigmoid 【2】 SquarePlus可能是运算最简单的ReLU光滑近似 R e L u m a x { 0 , x } ReLu max{0,x} ReLumax{0,x} S o f t P l u s l o g ( e x 1 ) SoftPlus log(e^x1) SoftPluslog(ex1) 经典面试题目 数据分析 机器学习 集成学习 【1】 珍藏版 | 20道XGBoost面试题 【2】 机器学习算法之XGBoost 决策树\RF\XGB\GBDT之间的关系