Tag: machine-learning
All the articles with the tag "machine-learning".
-
冷启动：程序化栈每一层都在解同一个问题
从新广告、缺特征模型、拉起中的 serverless 到未回的 SKAN postback，AdTech 每层都在解同一问题——信息不全时就要决策。本篇把冷启动四副面孔（广告、模型、系统、归因）收进同一框架：先验从哪来、怎么熬过空窗期、怎么判断结束。
-
推荐排序精排：账本只记了「喜欢」，最反直觉的坑是负样本得自己造
推荐系统系列（漏斗第二段·精排）：用「录像带店老板打分」比喻讲透排序——召回看「召没召回」、排序看「排第几」，最反直觉的坑「负样本得自己造」、防穿越铁律、LightGBM 先打概率再排队、AUC vs GAUC 与 SSB 铁律。
-
特征选择：只留好料——过滤、包装、嵌入三大流派
「数据与特征工程系列」第 6 篇：特征选择的两条原则（高类别相关、低特征间冗余）与三大流派——过滤法（方差/皮尔逊/VIF/互信息/MIC/卡方）、包装法（前向/后向/RFE）、嵌入法（L1/L2 正则、树模型重要性）。
-
特征提取与降维：吊高汤——把一大堆料浓缩成精华
「数据与特征工程系列」第 5 篇：特征提取（造新维度）和特征选择（挑原维度）的区别，稀疏表示与特征哈希（adtech 高基数救星），以及 PCA / ICA / LDA 三种降维法各自在最大化什么——无监督最大方差、有监督最大可分、解混最大独立。
-
特征构建：切配、换角度、片下部位——把原始料做出新味道
「数据与特征工程系列」第 4 篇：特征构建的三条路——特征组合（GBDT+LR 叶子编码、特征搜索、CTR 交叉特征内积）、映射到新空间（FFT / 小波 / 数据熵）、衍生变量（泰坦尼克号 Name/Cabin/Ticket 拆解）。附多重共线性的坑与规避。