![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
营销科学
文章平均质量分 95
悟乙己
心如花木,皆向阳而生!
展开
-
阿里云Dataphin中如何使用python写代码
dataphin中如何写python以及一些坑点的介绍原创 2024-03-27 18:21:52 · 1030 阅读 · 0 评论 -
python和netlogo软件模拟病毒传播仿真模型(一)
目前国内在网络舆情仿真建模中所使用的仿真平台主要有 Netlogo、Anylogic、Matlab、Vensim 等,netlogo软件是一款比较通用的。但是他是由logo语言构成,语言逻辑很让人抓马。原创 2023-01-19 14:20:12 · 3889 阅读 · 0 评论 -
笔记︱盘点实验科学的三种实验模型(A/B实验、因果推断、强化学习)
文章目录1 A/B实验1.1 优点1.2 缺点1.3 使用场景2 因果推断2.1 优点2.2 缺点2.3 使用场景2.4 一些大厂方法论的总结3 多臂老虎机Bandit3.1 优点3.2 缺点3.3 使用场景1 A/B实验1.1 优点通过流量细分可以同时追踪多个指标的变化趋势A/B测试的解释性更好,适用于获得各个版本的优劣的统计置信(statistical significance)。需要知道当前版本相对于base的各个指标如何变动、置信水平有多大、什么因素影响了指标变动。这些关于因素的分析可以原创 2022-05-30 17:25:42 · 2805 阅读 · 1 评论 -
笔记︱目标人群优选的Look-aLike Modeling案例集锦
如果把广告主圈出来的那 10w 用户称为种子用户(「seed users」),那么我们可以把需要额外提供的一批相似的用户称之为 「look-alike users」。我们把这种基于种子用户进行相似人群扩展的过程称之为 「look-alike modeling」。所以,look-alike 并不是某种特定的算法,而是一类建模方法的统称。笔者自己总结比较常规的技术路线是四条:TGI的标签扩散方案,基本可以不用算法,通过数据统计就可以;而且可以往:相关品类/竞品/品牌/搜索/流失人群等扩散优势:逻辑简单原创 2022-05-08 20:45:46 · 4345 阅读 · 0 评论 -
智慧供应链的学习笔记(库存管理、配补货、仓间调拨、控制塔等)
文章目录1 供应链集成系统案例1.1 京东物流一体化供应链1.1.1 算法中台1.1.2 易卜工程化平台1.2 美团:到店供应链及商品平台建设实践2 市面上的供应链解决方案2.1 京慧系统——成熟的企业级客户服务系统2.2 菜鸟网络全套数智化供应链解决方案2.2.1 智能选品2.2.2 联合预测2.2.3 补货分仓2.2.4 一些案例介绍:2.3 得体科技——面向服装行业,打造一站式柔性供应链平台2.4 数势科技:Supply Force智慧供应链平台2.5 杉数科技2.6 顺如丰来2.7 华为云:供应链灵原创 2022-05-05 22:03:15 · 18290 阅读 · 1 评论 -
笔记 | 数据分析产品未来范式的小结(增强分析、智能交互等)
笔者之前就看到过增强分析这个概念,只不过没有特意留意,最近也是在总结一些手边工作,通过观察了一些技术部门关于数据分析产品的设计思路,笔者觉得增强分析这个概念背后的趋势,确实是现在很多数据分析类产品的趋势。1 数据分析 -> 数据产品的意义2+4+8谷维:快手如何提升数据化管理效率?数据分析和数据产品是提升管理效率的两个重要的能力。接下来,从数据分析和数据产品两个角度介绍一下,如何提升数据化管理效率?1.1 数据分析:要从业务中来,到业务中去只有将业务目标进行拆解,数据量化才会更贴近业务,原创 2022-05-03 21:10:16 · 3394 阅读 · 0 评论 -
活动、节假日、促销等营销方式的因果效应评估——方法模型篇(二)
笔者近两年都在做智能营销方面的探索,不过最近想稍微切换自己的研究赛道,所以最近想把智能营销方面细枝末节的一些思考发出来。关于活动、节假日、促销等营销方式的因果效应评估前篇是《活动、节假日、促销等营销方式的因果效应评估——特征工程篇(一)》是把给入模型时特征加工的方式列举一下,本篇是想简单总结如何评价一个活动营销方式的好坏;当然方法本身不胜枚举,只能在有限视野里面进行归纳。1 回归的方法活动评价,与笔者之前思考的一个点也是有些共同的《数据科学之 如何找到指标的最 佳分裂点的几个想法》最佳分裂点其实就是原创 2022-05-01 15:58:32 · 2890 阅读 · 0 评论 -
活动、节假日、促销等营销方式的因果效应评估——特征工程篇(一)
本系列旨在挖掘活动、节假日、促销、优惠券、积分等营销权益因果效应评估,目前规划两个篇幅:第一篇:会收集活动、节假日、促销等营销权益在做一些建模项目中,可以构造成为的特征工程方式第二篇:使用各类模型、方法总结这些营销方式的几种效应评估方法更多是文献整理,主要集中在预测类模型 - 营销方式入模的特征工程文章目录1 活动类特征工程1.1 [竞赛] Corporación Favorita Grocery Sales Forecasting1.22 优惠券类2.1 天池新人实战赛o2o优惠券使用预测2原创 2022-04-28 21:20:14 · 2425 阅读 · 0 评论 -
Kats时间序列开源库的使用笔记
1 Kats的千辛万苦安装之路不知道是不是笔者的window笔记本的问题,按照kats出现的很多问题安装Kats时候,会报错:error: Microsoft Visual C++ 14.0 or greater is required. Get it with "Microsoft C++ Build Tools": https://visualstudio.microsoft.com/visual-cpp-build-tools/一般是按照prophet的时候会出现:其实是可以 直接跳过原创 2022-01-25 15:42:55 · 3240 阅读 · 0 评论 -
因果推断与反事实预测——几篇关联论文(二十六)
有几篇关联的论文,如果论文开源代码了,笔者比较喜欢读+code练习,所以看这类文献比较慢,先Mark再精读了…文章目录1 Auto IV: Counterfactual Prediction via Automatic Instrumental Variable Decomposition2 ICML & UBC|Deep IV: A Flexible Approach for Counterfactual Prediction3 Double Robust Representation Le.原创 2022-01-13 11:02:44 · 3936 阅读 · 0 评论 -
因果推断——借微软EconML测试用DML和deepIV进行反事实预测实验(二十五)
文章目录1 导言1.1 KDD2021:盒马-融合反事实预测与MDP模型的清滞销定价算法1.2 本篇想法2 代码2.1 数据生成2.2 DML模型:有干预下的Y增量2.3 Tree-based模型2.4 deepIV训练与预测2.5 结果比较2.6 短期小结1 导言1.1 KDD2021:盒马-融合反事实预测与MDP模型的清滞销定价算法本篇想法来源:因果推断与反事实预测——盒马KDD2021的一篇论文(二十三)盒马论文提到了论文模型:半参数模型,上图是顺着使用数据的比例增加三个模型的RMAE,原创 2022-01-08 22:37:38 · 3853 阅读 · 1 评论 -
因果推断与反事实预测——利用DML进行价格弹性计算(二十四)
文章目录1 导言1.1 价格需求弹性介绍1.2 由盒马反事实预测论文开始1.3 DML - 价格弹性预测推理步骤2 案例详解2.1 数据清理2.2 [v1版]求解价格弹性:OLS回归2.3 [v2版]求解价格弹性:Poisson回归+多元岭回归2.4 [v3版]求解价格弹性:DML2.4.1 DML数据准备 + 建模 + 求残差2.4.2 三块模型对比2.4.3 稳健性评估1 导言1.1 价格需求弹性介绍经济学课程里谈到价格需求弹性,描述需求数量随商品价格的变动而变化的弹性。价格一般不直接影响需求,原创 2022-01-04 18:49:51 · 7671 阅读 · 9 评论 -
因果推断与反事实预测——盒马KDD2021的一篇论文(二十三)
参考:KDD2021论文推荐:盒马-融合反事实预测与MDP模型的清滞销定价算法Markdowns-in-E-Commerce-Fresh-Retail-A-Counterfactual-Prediction-and-Multi-Period-Optimization-Approach利用机器学习因果推理进行弹性定价数据分析36计(29):价格需求弹性和因果推断简单版:DML.ipynb数据集:Association Rules and Market Basket Analysis论文地址:h原创 2022-01-02 22:19:04 · 8008 阅读 · 3 评论 -
Google 因果推断的CausalImpact 贝叶斯结构时间序列模型(二十二)
之前一篇:跟着开源项目学因果推断——CausalImpact 贝叶斯结构时间序列模型(二十一)这里另外写一篇来继续研究一下CausalImpact这个开源库的一些细节的1 CausalImpact 一些可调参数1.1 CausalImpact默认的两种算法CausalImpact默认使用TensorFlow Probability来求的两种算法,分别是Variational Inference和Hamiltonian Monte CarloVI,变分推断,变分推断(Variational In原创 2021-12-29 10:11:24 · 4268 阅读 · 1 评论 -
跟着开源项目学因果推断——CausalImpact 贝叶斯结构时间序列模型(二十一)
文章目录1 Causal Impact与贝叶斯结构时间序列模型1.1 观测数据下Causal Impact的背景由来1.2 贝叶斯结构时间序列模型1.3 谷歌的Causal Impact2 一些案例2.1 CausalImpact的时序选择2.2 日文案例:CausalImpactの理解と実装2.3 [翻译]R语言案例:An R package for causal inference using Bayesian structural time-series models3 官方:TensorFlow C原创 2021-12-23 18:55:32 · 7105 阅读 · 3 评论 -
因果推断笔记——DR :Doubly Robust学习笔记(二十)
文章目录0 观测数据的估计方法0.1 Matching0.2 Propensity Score Based Methods0.2.1 PSM0.2.2 IPW0.2.3 Doubly Robust0.2.4 数据驱动的变量分解算法(D²VD)0.3 Directly Confounder Balancing0.3.1 Entrophy Balancing0.3.2 Approximate Residual Balancing1 DR :Doubly Robust1.1 DR的理论基础1.1.1 ATE的估计原创 2021-12-20 17:22:20 · 4322 阅读 · 1 评论 -
因果推断杂记——因果推断与线性回归、SHAP值理论的关系(十九)
文章目录1 因果推断与线性回归的关系1.1 DML的启发1.2 特殊的离散回归 = 因果?2 因果推断中的ITE 与SHAP值理论的思考1 因果推断与线性回归的关系第一个问题也是从知乎的这个问题开始:因果推断(causal inference)是回归(regression)问题的一种特例吗?其中经济学大佬慧航提到过,回归只是工具,因果推断可以用,其他研究方向也可以用。在此给出我的看法,因果推断,是需要考虑干预得(Y|X,T),其中干预效应是主要的差异点;而一般的多元,只是(Y|X),并原创 2021-12-15 15:17:00 · 5949 阅读 · 2 评论 -
A/B Test︱一轮完美的A/B Test 需要具备哪些要素
文章目录1 A/B Test 实验的业务意义2 相关概念理解2.0 AB实验2.1 AA分组 —— 更好筛选样本2.2 混杂因素2.3 根据实验种类分类2.4 互斥实验2.5 流量正交&正交实验2.6 分层原则2.7 灰度发布2.8 留存率2.9 统计 假设检验2.10 p-value2.11 校验灵敏度MDE3 AB test完整流程3.1 完美的 ABTest的流程是什么?3.2 样本量选择3.3 如何确定实验需要多少天?4 A/B TEST 合理的分组4.1 CR - 完全随机分组**CR(C原创 2021-12-10 16:50:59 · 10599 阅读 · 2 评论 -
数据科学之 如何找到指标的最 佳分裂点的几个想法
影响整体用户活跃度,的因素中有单次打开时长这一指标,如何找到打开多久是比较好的阈值?原创 2021-12-06 18:15:25 · 1817 阅读 · 2 评论 -
重复事件(表现形态:活跃、留存、复购)建模(生存分析)的案例学习笔记
医学中,重复事件较多,那么放在一些大场景中就会有,用户重复点击/浏览(留存),重复购买(复购)这些场景。最近也看到一些类似的case就简单整理一下:笔者之前生存分析的文章:生存分析——泊松回归(LightGBM)实现生存分析(四)生存分析——跟着lifelines学生存分析建模(三)生存分析——KM生存曲线、hazard比例、PH假定检验、非比例风险模型(分层/时变/参数模型)(二)生存分析——快手的基于深度学习框架的集成⽣存分析软件KwaiSurvival(一)1 腾讯看点:扩展Cox原创 2021-11-04 19:00:20 · 2726 阅读 · 0 评论 -
跟着开源项目学因果推断——FixedEffectModel 固定效应模型(十七)
这个开源项目来源于快手,当然对于快手的开源项目是有前车之鉴的【生存分析——快手的基于深度学习框架的集成⽣存分析软件KwaiSurvival(一)】。KwaiSurvival让我觉得是实验代码,今天要接触的FixedEffectModel 稍好一些,但是仍然关联文档非常匮乏呀。1 来源启发源头来自一篇文章,来源地址:因果分析工具在快手的应用2 说说固定效应模型开发库的应该是计量经济方向的老师,FEM模型可是我们专业的论文利器,先来快速帮助自己回忆一下当年做这个模型的固定建模套路。2.1.原创 2021-10-21 18:59:28 · 5296 阅读 · 0 评论 -
因果推断笔记——DML :Double Machine Learning案例学习(十六)
1 surrogate indices代替指标试图利用一个近期的或容易得到的中间指标来替代远期的或难以得到的终点指标。抑制心律失常能降低发生心脏骤停的可能性,曾将[抑制心律失常]作为评价[治疗猝死药物]的替代指标。因为混杂因子而造成了很多的悖论:Yule-Simpson 悖论:吸烟分别对男性和对女性都有害,但是吸烟对人类有益替代指标悖论:临床试验将心律失常作为猝死的替代指标。但是,一些能有效纠正心律失常的药物,后来发现不但不能减少猝死,反而导致数万人过早死亡http://www.engin原创 2021-10-19 18:01:15 · 15073 阅读 · 4 评论 -
跟着开源项目学因果推断——mr_uplift(十五)
文章目录1 mr_uplift 介绍2 案例模拟1 mr_uplift 介绍https://github.com/Ibotta/mr_uplift目前有几个升级模型包(参见EconML、GRF、PTE)。他们倾向于用有趣的方法来估计异质处理效果。然而,主要模型中倾向于关注单一response、单一treatment 情景。mr_uplift开源库,试图为Uplift建模构建一个自动化的解决方案,包括以下特性:允许多种treatments 。可以在每一种干预下,合并元特征,比如用向量来表示tre原创 2021-10-09 15:48:48 · 889 阅读 · 0 评论 -
跟着开源项目学因果推断——whynot(十四)
文章目录WhyNot是一个Python包,它提供了一个用于动态决策的实验沙箱,将因果推理和强化学习工具与具有挑战性的动态环境连接起来。该软件包有助于开发、测试、基准测试和教学因果推理和顺序决策工具。github: https://github.com/zykls/whynot文档:https://whynot.readthedocs.io/en/latest/下载:pip install whynot举一个例子 hiv_simulator.ipynb%load_ext autorel原创 2021-09-30 16:05:27 · 675 阅读 · 0 评论 -
跟着开源项目学因果推断——causalnex(十三)
文章目录1 causalnex 介绍1.1 安装2 使用的模型1 causalnex 介绍1.1 安装pip install causalnexgithub:https://github.com/quantumblacklabs/causalnex文档链接:https://causalnex.readthedocs.io/en/latest/02_getting_started/02_install.htmlCausalNex是一个Python库,使用贝叶斯网络将机器学习和领域专业知识结合原创 2021-09-29 17:17:08 · 3650 阅读 · 7 评论 -
因果推断笔记——因果图建模之Uber开源的CausalML(十二)
CausalML,这是一个开放源码的Python包,它提供了一套基于最近研究的机器学习算法的提升建模和因果推理方法。我们将介绍CausalML的主要组成部分:(2) 验证/分析方法(如合成数据生成、AUUC、敏感性分析、可解释性),(3) 优化方法(如策略优化、价值优化、单元选择)。github:https://github.com/uber/causalml其余两篇开源项目的文章:因果推断笔记——因果图建模之微软开源的EconML(五)因果推断笔记——因果图建模之微软开源的dowhy(一)原创 2021-09-14 22:17:47 · 6464 阅读 · 6 评论 -
因果推断笔记——入门学习因果推断在智能营销、补贴的通用框架(十一)
废话文学一下:入门学习因果推断三周,总算是入了个门…来集结一下前十篇分别是:因果推断笔记——因果图建模之微软开源的dowhy(一)因果推断笔记—— 相关理论:Rubin Potential、Pearl、倾向性得分、与机器学习异同(二)因果推断笔记——python 倾向性匹配PSM实现示例(三)因果推断笔记——双重差分理论、假设、实践(四)因果推断笔记——因果图建模之微软开源的EconML(五)因果推断笔记——工具变量、内生性以及DeepIV(六)因果推断笔记——自整理因果推断理论解读(七.原创 2021-09-12 22:48:36 · 2558 阅读 · 0 评论 -
因果推断笔记——CV、机器人领域因果推断案例集锦(十)
之前一篇是写在数据科学领域使用因果推断的案例,因果推断笔记——数据科学领域因果推断案例集锦(九)主要应用的领域在:智能营销、一些机制干预的有效性、智能补贴等,那么可以看看在不常见领域的案例,拓宽一下视野。文章目录1 自治代理和多代理系统2 因果表征学习在CV领域的应用2.1 Visual Commonsense R-CNN——改造Loss2.2 Causal Intervention for Weakly-Supervised Semantic Segmentation1 自治代理和多代理系统参原创 2021-09-12 16:17:07 · 2834 阅读 · 0 评论 -
因果推断笔记——数据科学领域因果推断案例集锦(九)
2 腾讯看点:视频笔记2.1 观测数据 、 实验数据的理论介绍![image.png](https://img-blog.csdnimg.cn/img_convert/c66bdbcdd86d5031040f51924397952d.png#clientId=u8e2473a0-856a-4&from=paste&height=746&id=ud2728b80&margin=[object Object]&name=image.png&origin原创 2021-09-09 11:30:03 · 16414 阅读 · 2 评论 -
因果推断笔记——uplift建模、meta元学习、Class Transformation Method(八)
文章目录1 uplift 模型介绍 —— 为个体计算ITE2 「元学习方法」(Meta-learning methods)2.1 Conditional Outcome Modeling (COM) / S-learner2.2 Grouped COM (GCOM) / T-Learner2.3 X-Learner2.4 R-learner2.5 特殊meta学习:The Class Transformation Method参考文献1 uplift 模型介绍 —— 为个体计算ITE有多种方原创 2021-09-07 11:36:06 · 8839 阅读 · 0 评论 -
因果推断笔记——自整理因果推断理论解读(七)
之前有整理过一篇:因果推断笔记—— 相关理论:Rubin Potential、Pearl、倾向性得分、与机器学习异同(二)不过,那时候刚刚开始学,只能慢慢理解,所以这边通过一轮的学习再次整理一下手里的笔记。文章目录1 因果推断能做些啥1.1 因果推断三个层次1.2 从因果效应开始说1.2.1 TE/ATE/ATT/ATC/CATE 各类处理效应1.2.2 三个假定之 最难实现:无混淆性(Unconfoundedness )1.2.3 三个假定之二:正值假设(Positivity)1.2.4 三个假定之原创 2021-09-05 23:45:26 · 6594 阅读 · 0 评论 -
因果推断笔记——工具变量、内生性以及DeepIV(六)
文章目录1 理论介绍1.1 Instrumental variable解释1.2 因果推断中:内生性的一个有意思的例子1.2 与代理变量(proxy variable)的对比1.3 连玉君老师的简易解读2 econML实现 DeepIV同系列可参考:因果推断笔记——因果图建模之微软开源的dowhy(一)因果推断笔记—— 相关理论:Rubin Potential、Pearl、倾向性得分、与机器学习异同(二)因果推断笔记——python 倾向性匹配PSM实现示例(三)因果推断笔记——双重差分理论、假原创 2021-08-31 18:58:26 · 14575 阅读 · 2 评论 -
因果推断笔记——因果图建模之微软开源的EconML(五)
微软EconML简介:基于机器学习的Heterogeneous Treatment Effects估计机器学习最大的promise之一是在许多领域实现决策的自动化。许多数据驱动的决策场景的核心问题是对heterogeneous treatment effects的估计,也即:对于具有特定特征集的样本,干预对输出结果的causal effect是什么?简言之,这个Python工具包旨在:测量某些干预变量T对结果变量Y的causal effect控制一组特征X和W,来衡量causal effect如原创 2021-08-25 14:08:44 · 11560 阅读 · 12 评论 -
因果推断笔记——双重差分理论、假设、实践(四)
文章目录1 双重差分 - difference-in-difference -DID 理论与假设1.1 DID介绍1.2 使用时需要满足的假设2 DID + PSM 差异与联用2.1 DID / PSM差异2.2 解决平行趋势假设:DID+PSM连用(最常用)3 三重差分(Difference-in-differences-in-differences, DDD)3 相关实现案例3.1 快手使用DID模型3.2 淘系用户增长注意点1 双重差分 - difference-in-difference -D原创 2021-08-24 16:20:55 · 11505 阅读 · 2 评论 -
因果推断笔记——python 倾向性匹配PSM实现示例(三)
因果推断笔记—— 相关理论:Rubin Potential、Pearl、倾向性得分、与机器学习异同(二)因果推断笔记——因果图建模之微软开源的dowhy(一)文章目录1 从matching -> 倾向性得分1.1 精准匹配1.2 倾向性得分 / 倾向评分匹配 由来1.3 精准匹配 -> 倾向评分匹配2 基于倾向性评分法的因果推断2.1 因果效应估计三种方法2.2 倾向性评分法的均衡性检验2.3 反驳3 倾向性得分案例解读一(无代码):就业与收入的影响3.1 第一步:使用倾向性评分法原创 2021-08-24 15:51:44 · 23247 阅读 · 2 评论 -
因果推断笔记—— 相关理论:Rubin Potential、Pearl、倾向性得分、与机器学习异同(二)
文章目录1 一些因果推断涉及概念1.1 内生性问题1.1.1 内生性解释1.1.2 内生性问题有四种常见形式1.1.3 内生性的解决方案1.自然实验法2.双重差分法Difference-in-Difference (DID)3.工具变量法4. 动态面板回归法1.3 因果分析两个框架1.3.1 Rubin potential Outcome 虚拟事实模型1.3.2 Pearl causal Graph因果图1.3.3 两个框架之间的联系1.9 因果推断与回归的差异?1.0 额外:调节效应与中介效应2 pea原创 2021-08-22 21:37:28 · 14249 阅读 · 3 评论 -
因果推断笔记——因果图建模之微软开源的dowhy(一)
文章目录1 dowhy介绍1.1 dowhy的分析流程2 案例2.1 数据获取与整理2.2 如何简单证明变量之间的因果关系2.3 步骤一:因果图建模2.4 步骤二:识别2.5 步骤三:估计因果效应2.6 反驳结果2.7 与普通ML分类模型比较特征重要性1 dowhy介绍github地址:microsoft/dowhydowhy 文档:DoWhy | An end-to-end library for causal inference1.1 dowhy的分析流程参考材料:因果推断框架 DoWh原创 2021-08-22 17:21:25 · 8985 阅读 · 8 评论 -
生存分析——泊松回归(LightGBM)实现生存分析(四)
You can find the full article here来看一个比较特殊的Survival分析建模的案例,利用的是半参模型:Poisson Regression具体可以看文章:Survival Analysis with LightGBM plus Poisson Regressionhttps://towardsdatascience.com/survival-analysis-with-lightgbm-plus-poisson-regression-6b3cc897af821 Po原创 2021-08-13 14:22:24 · 4813 阅读 · 0 评论 -
生存分析——跟着lifelines学生存分析建模(三)
文章目录数据分析系列:生存分析(生存曲线分析、Cox回归分析)——附生存分析python代码。数据分析系列:归因分析原理、案例(附python代码)lifelines原创 2021-07-26 18:38:17 · 5012 阅读 · 1 评论 -
生存分析——KM生存曲线、hazard比例、PH假定检验、非比例风险模型(分层/时变/参数模型)(二)
文章目录1 数据类型1.1 删失数据1.1.1 右删失1.1.2 左删失1.1.3 区间删失1.2 完全数据(Complete data)2 生存分析几个核心概念2.1 生存概率2.2 风险概率2.3 生存/风险函数 两者之间关系2.4 其他生存时间相关概念3 Kaplan-Meier 生存概率估计3.1 寿命表( life table)3.2 Kaplan–Meier 方法3.3 KM组别差异的指标一:中位生存时间3.4 KM组别差异的指标二:Logrank /Breslow4 Cox 比例风险回归模型原创 2021-07-22 18:59:18 · 20726 阅读 · 1 评论