- 博客(5)
- 收藏
- 关注
原创 电商平台基础指标体系
电商平台主要的1、总体运营指标流量类指标(pv、uv、人均页面访问数)、订单产生效率指标(总订单数量、访问到下单转化率)、总体销售业绩指标(成交额金额、销售金额、客单价)、整体指标(销售毛利、毛利率)2、流量指标流量规模类指标(uv、pv)流量成本类指标(访客获取成本)流量质量类指标(跳出率、页面访问时长、人均页面访问数)3、销售转化指标购物车类(加入购物车次数、买家人数、商品数、购物支付转化率)下单类指标(下单笔数、金额、买家数、浏览下单转化率)支付类指标(支付金额、商品数、浏览支付买家转化率
2021-04-26 09:35:52 2859
原创 3、线性模型
3.2线性回归均方误差是回归任务中常用的性能度量基于均方误差最小化来求解的方法是最小二乘法(找到一条直线,使得所有样本到直线上的欧式距离之和最小)样本有多个属性则为多元线性回归。矩阵的形式求解。当XTX在满秩时,可求得w,现实生活中很少满秩,故会解出多个w,选择哪一个作为输出,将有算法的归纳偏好决定,常见做法时引入正则化项3.3对数几率回归任务是分类回归,不是线性回归如何做?二分类任务:将实值转化为0/1值,最理想的是“单位阶跃函数”(不连续)找到一个连续单调可微的,即对数几率函数几率:样本x
2021-04-20 19:36:11 170
原创 机器学习西瓜书第二章笔记
2、模型评估与选择经验误差与过拟合误差:学习器预测与样本实际输出值之间的差异训练误差:学习器在训练集上的误差泛化误差:训练集在新样本上的误差希望泛化误差小的,但实际只能使经验误差最小化过拟合:学习器把训练样本自身的特点当作了所有样本潜在的样本都会具有的一般特质(学习的太好了)欠拟合:训练样本的一般性质没学好无法直接获得泛化误差,训练误差又由于过拟合现象存在不适合作为标准,如何进行模型评估与选择?通过实验测试对泛化误差进行评估(使用一个测试集来测试学习器对新样本的判别能力,即测试误差作为泛
2021-04-20 11:51:08 251
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人