發(fā)簡(jiǎn)信
IP屬地：遼寧
-
智能運(yùn)營(yíng)平臺(tái)調(diào)研
工作需要做一些用戶運(yùn)營(yíng)平臺(tái)相關(guān)的事情摊鸡，沒有經(jīng)驗(yàn)割疾，調(diào)研了下市場(chǎng)上商業(yè)化的用戶運(yùn)營(yíng)產(chǎn)品馅笙。梳理下這些產(chǎn)品的特點(diǎn)置尔。 一赁严、調(diào)研對(duì)象 諸葛IO：https://demo.zhugeio....
-
如何理解并實(shí)現(xiàn)一個(gè)簡(jiǎn)單的人臉識(shí)別算法（下）：人臉識(shí)別題外話 開篇先說一點(diǎn)題外話胜嗓，我主要想通過這一期的教程表達(dá)一個(gè)觀點(diǎn)邑跪，那就是科研非常重要次坡，而且入門其實(shí)沒有那么難。 我在知乎上看到一篇文章画畅，有一個(gè)清華大學(xué)物理系的助理研究員帶著福...
-
常用的評(píng)價(jià)指標(biāo)：accuracy砸琅、precision、recall轴踱、f1-score症脂、ROC-AUC、PR-AUC
準(zhǔn)確率(Accuracy)accuracy是最常見也是最基本的評(píng)價(jià)指標(biāo)淫僻。但是诱篷，在二分類且正負(fù)樣本不平衡的情況下，尤其是對(duì)于較少數(shù)樣本類感興趣時(shí)雳灵，accuracy基本無參考價(jià)值...
-
SQL計(jì)算電商各項(xiàng)指標(biāo)數(shù)據(jù)本次筆記主要是記錄通過SQL計(jì)算電商各項(xiàng)指標(biāo)數(shù)據(jù),包括AARRR部分指標(biāo)笑撞、RFM模型等常用的指標(biāo)數(shù)據(jù)岛啸； 平臺(tái)指標(biāo)： PV、UV茴肥、瀏覽深度（PV/UV）坚踩； 跳失率； 購(gòu)買轉(zhuǎn)化率...
-
搭建金融信貸風(fēng)控中的機(jī)器學(xué)習(xí)模型-(5)邏輯回歸模型與尺度化
在分類場(chǎng)景中瓤狐，邏輯回歸模型是常用的算法瞬铸。它具有結(jié)構(gòu)簡(jiǎn)單、可解釋性強(qiáng)础锐、概率輸出軟分類等特點(diǎn)嗓节。 1.邏輯回歸模型 在分類模型中，目標(biāo)變量是離散皆警、無序型的變量拦宣。例如...
-
正則項(xiàng)淺析
知識(shí)預(yù)備：范數(shù)http://blog.csdn.net/shijing_0214/article/details/51757564 我們經(jīng)常會(huì)聽到正則項(xiàng)這個(gè)概念，通過查閱資料...
-
一個(gè)列子理解 聯(lián)合概率 邊際概率 條件概率列聯(lián)表 理解聯(lián)合概率、邊際概率與條件概率從列聯(lián)表開始鸵隧。 列聯(lián)表是常見的用于描述類別變量間關(guān)系的形式绸罗。 上面是一個(gè)2X2的列聯(lián)表，存在兩個(gè)變量豆瘫，如果存在多個(gè)二分變量珊蟀，任意兩個(gè)變...
-
R語言生存分析04-Cox比例風(fēng)險(xiǎn)模型診斷作者：白介素2 相關(guān)閱讀：R語言生存分析04-Cox比例風(fēng)險(xiǎn)模型診斷R語言生存分析03-Cox比例風(fēng)險(xiǎn)模型R語言生存分析-02-ggforestR語言生存分析-01ggpub...
-
Mac卸載Anaconda
第一步，刪除Anaconda的配置外驱，命令如下：$: conda install anaconda-clean$: anaconda-clean在安裝第一個(gè)命令的時(shí)候如果出現(xiàn)網(wǎng)...
-
從Mac中徹底刪除Anaconda
2019年1月15日更新 第一步育灸，刪除Anaconda的配置，命令如下：$: conda install anaconda-clean$: anaconda-clean運(yùn)行完...
-
舉個(gè)栗子昵宇！Tableau 技巧（66）：妙用 Lookup 函數(shù)同時(shí)跨行跨列取數(shù)>>>來自數(shù)據(jù)粉的栗子 上周磅崭，網(wǎng)友 @黃老邪欣喜的告訴我們：我在分析金融行業(yè)的滾動(dòng)率指標(biāo)時(shí)，發(fā)現(xiàn)了一個(gè)用 Lookup 函數(shù)同時(shí)跨行跨列取數(shù)的妙招趟薄！我可以炒個(gè)栗子，把方法分享...
-
python評(píng)分卡之分?jǐn)?shù)計(jì)算
#計(jì)算分?jǐn)?shù)函數(shù) def get_score(,woe,B): scores=[] for w in woe: score=round(*w*B,0) ...
-
kaggle風(fēng)控（二）——lending club本案例數(shù)據(jù)取自kaggle競(jìng)賽lending club（美國(guó)最大的P2P公司）典徊。導(dǎo)入包 讀入數(shù)據(jù) 查看數(shù)據(jù)維度 數(shù)據(jù)維度是(103434, 19)杭煎。查看數(shù)據(jù)類型 可以看到，只...
-
評(píng)分卡之woe轉(zhuǎn)換什么是WOE WOE（Weight of Evidence）即證據(jù)權(quán)重卒落，可以將logistic回歸模型轉(zhuǎn)化為標(biāo)準(zhǔn)評(píng)分卡格式羡铲，WOE是對(duì)原始自變量的一種編碼形式，要對(duì)一個(gè)變量進(jìn)...
-
數(shù)據(jù)預(yù)處理_異常值處理一儡毕、異常值 1.異常值是指樣本中的個(gè)別值也切，其數(shù)值明顯偏離其余的觀測(cè)值。異常值也稱離群點(diǎn)腰湾，異常值的分析也稱為離群點(diǎn)的分析 2.異常值的處理雷恃，先是辨別出哪些是異常值，再根據(jù)實(shí)際情...
-
利用Logistic回歸擬合信用評(píng)分卡模型一费坊、關(guān)于互聯(lián)網(wǎng)金融授信產(chǎn)品的風(fēng)控建模 如何利用機(jī)器學(xué)習(xí)以及大數(shù)據(jù)技術(shù)來降低風(fēng)險(xiǎn)呢倒槐？如何建立信用評(píng)分的模型呢？本文將針對(duì)這些問題簡(jiǎn)單介紹互金行業(yè)中授信產(chǎn)品的風(fēng)控建模過程附井，內(nèi)容主...
