策略产品经理发展前景(策略产品经理必读系列第六讲决策树模型)

  • A+
所属分类:精英日记
       

本文节选自《策略产品经理发展前景》

对于回归问题“标签?为数值变量),例如消费额也佑、配送时间预估等业务问题,上述从混靖和矩阵出发的评估方法就不再适用了,我们一般使用另一组指标来评估预测的结果与实结果之间的差异。评估指标主要有以下两个。1)平均绝对误差(MeanAbsoluteError,MAE):MAE=11)-7N之2)均方误莽(MeanSquaredError,MSE)和均方根误莽(RootMeanSquaredError,RMSE):-二Wai)-RMSE=VMSE这些误兰越小,意味着预测的结果与真实结果的平均差异越小,预估的业务函数与真实世界越接近。5.MAP和mnDCG对于搜索、推荐等一些输出排序结果的业务场景,我们除了关心前面几组指标以外,还关心结果的输出顺序,也就是说即使在同样的相关性或点击率情况下,和是否把相关或被点击的结果排在了前面。对排序结果的评佑一般使用两个指标:MAP和nDCG。1)MAP(MeanAveragePrecision)顾名是义,是指对输出结果的精确率求两次平均值。以搜索业务场景为例,第一次平均值针对每次搜索,假设搜索出的所有结果中有M个是相关结果,那么可以计算这次搜索的AP(AveragePrecision)如下:

《策略产品经理》mobi下载

本>》P(I)xrel(z)其中,P〈i)表示前i个结果的精确率;rel(i)表示第i个结果是否是相关结来,相关结末排序越集中且笔前,则平均精确率AP越I王1古]。从业务的角度出发,我们可能更关心前K个搜索结果,毕竟每次能够返回给用尸的搜索结末是有限的,并且用户的注意力大部分都在搜索结果首屏或首页,因此,可以用上式滋以一个脉冲函数5《〈i和K)来表达。对于该及冲函数8,当i科KK时取值为1。由此可以计算前K个结果的平均精确率APOK,3公式如下;cc大APQOK-=ERXielfi)XB(PER天)=ERXTel(7z)二最后对于所有QQ次搜索,可以计算总体的平均精确率均值MAP,公式下:APKKMAPGK-=习一,和》q=12)NDCG(Normalized-Discounte

《策略产品经理》电子书

dCumulativeGain)是另一个评估排序结果的指标。在介绍NDCG以前,先介绍一下对模型预测的前K个排序结果的评估指标DCG(DiscountedCumulativeGain):SCOTe,天起全二=本一名log;(i+1l)共其中,分子scorei是一个提前定义好的描述第i个结果相关性的得分,相关可分灿可以类似[0,]]这种离散型得分,也可是类似[0,苛这种连续分尽1og,Ci+1)则代表随着排序二央人语位置因素对得we为了比较不同模型的排序结果差异,引入用于归一化的得分0计算把前K个结果按相关性从大到小重新排列,在理想情况下得分如下:RESCOTe,IDCLCCK=,名log,(z+1)

《策略产品经理》epub

策略产品经理面试 策略产品经理培训
策略产品经理 策略产品经理怎么入门
策略产品经理刘滢 策略产品经理的英文

策略产品经理发展前景(策略产品经理必读系列第六讲决策树模型)综上:策略产品经理必读系列第六讲决策树模型值得推荐阅读

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: