来源书籍

数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow

Skill 版本:v24 统计建模与因果推断类 139 张卡片

全书12章均包含概念/术语/原理类内容的实质性讲解(离散选择模型、生存分析、 LTV、可解释模型体系、矩阵分解、因果推断方法、A/B实验原理、实验设计方差控制、特殊场景 实验方法、SQLFlow工作原理、模型可解释性、深度学习聚类原理),按"概念类内容强制生卡" 规则全部标记精读。第10章虽含Docker环境配置等操作步骤,但10.1节"SQLFlow工作原理"有 实质性原理讲解,故整章仍标精读(操作步骤部分精读时不生卡)。

谢梁、缪莹莹、高梓尧、王子玲 等 · 机械工业出版社 · 2021 · ISBN 9787111682547

类别清单覆盖

8/8

已覆盖 8 补充生成 0 未覆盖 0

章节与卡片

00

3 张卡片
  1. 数据科学连接三要素 理解等级:中级 普通读书笔记卡
  2. 商业问题先收敛再建模 理解等级:中级 普通读书笔记卡
  3. 观测分析先设计框架 理解等级:中级 普通读书笔记卡

01 第1章 如何分析用户的选择

13 张卡片
  1. 效用最大化与揭示性偏好 理解等级:未标注 普通读书笔记卡
  2. DCM的模型簇结构 理解等级:未标注 普通读书笔记卡
  3. Logit与Probit的分野 理解等级:未标注 普通读书笔记卡
  4. IIA假设与红蓝巴士悖论 理解等级:未标注 普通读书笔记卡
  5. 备选项特定常数ASC 理解等级:未标注 普通读书笔记卡
  6. 选择数据的长格式与宽格式 理解等级:未标注 普通读书笔记卡
  7. 逻辑回归系数的几率解读 理解等级:未标注 普通读书笔记卡
  8. 共线性检验的VIF阈值 理解等级:未标注 普通读书笔记卡
  9. 效用设计区分属性角色 理解等级:中级 普通读书笔记卡
  10. 极大似然拟合选择概率 理解等级:中级 普通读书笔记卡
  11. 边际概率需重算模型 理解等级:中级 普通读书笔记卡
  12. 选择建模先整理观测单位 理解等级:中级 普通读书笔记卡
  13. 嵌套选择分解层次概率 理解等级:中级 普通读书笔记卡

02 第2章 与时间相关的行为分析

14 张卡片
  1. 生存分析解决截面回归的盲点 理解等级:未标注 普通读书笔记卡
  2. 删失与右删失 理解等级:未标注 普通读书笔记卡
  3. 生存函数与风险函数 理解等级:未标注 普通读书笔记卡
  4. 半衰期作为生存指标 理解等级:未标注 普通读书笔记卡
  5. KM曲线的非参数估计与局限 理解等级:未标注 普通读书笔记卡
  6. Cox比例风险模型的半参数结构 理解等级:未标注 普通读书笔记卡
  7. Cox系数的危险保护解读 理解等级:未标注 普通读书笔记卡
  8. 参数法与非参数法的生存函数估计 理解等级:未标注 普通读书笔记卡
  9. 单因素生存曲线对比需警惕混杂 理解等级:未标注 普通读书笔记卡
  10. 风险集随事件删失变化 理解等级:中级 普通读书笔记卡
  11. 对数秩检验比较生存曲线 理解等级:中级 普通读书笔记卡
  12. 累积风险按风险集累加 理解等级:中级 普通读书笔记卡
  13. Cox部分似然比较风险集 理解等级:中级 普通读书笔记卡
  14. 生存预测接入库存成本 理解等级:高级 普通读书笔记卡

03 第3章 洞察用户长期价值: 基于神经网络的LTV建模

13 张卡片
  1. LTV的定义与用户行为估值法 理解等级:未标注 普通读书笔记卡
  2. 用户生命周期的五个阶段 理解等级:未标注 普通读书笔记卡
  3. LTV观察窗口的折衷 理解等级:未标注 普通读书笔记卡
  4. LTV计算方法的五级演进 理解等级:未标注 普通读书笔记卡
  5. BG/NBD统计模型的分布假设 理解等级:未标注 普通读书笔记卡
  6. LTV的CNN-LSTM嵌套 理解等级:未标注 普通读书笔记卡
  7. 长尾目标变量的对数变换 理解等级:未标注 普通读书笔记卡
  8. 变长行为序列的截断与填充 理解等级:未标注 普通读书笔记卡
  9. 交易频次与金额分开建模 理解等级:中级 延伸参考卡
  10. 训练预处理保留用户对应 理解等级:中级 普通读书笔记卡
  11. 早停需要独立评价数据 理解等级:中级 普通读书笔记卡
  12. 预测窗口决定价值口径 理解等级:高级 普通读书笔记卡
  13. Keras以层组合表达网络 理解等级:中级 延伸参考卡

04 第4章 使用体系化分析方法进行场景挖掘

8 张卡片
  1. 经验化分析的维度诅咒 理解等级:未标注 普通读书笔记卡
  2. 体系化分析先预测后解释的两步法 理解等级:未标注 普通读书笔记卡
  3. 黑盒模型与白盒模型的取舍 理解等级:未标注 普通读书笔记卡
  4. 决策树不纯度指标的选择逻辑 理解等级:未标注 普通读书笔记卡
  5. 全局代理模型的解释逻辑 理解等级:未标注 普通读书笔记卡
  6. 场景挖掘框架的三段式组合 理解等级:未标注 普通读书笔记卡
  7. 决策树递归划分样本 理解等级:中级 结构图卡
  8. 剪枝权衡树的复杂度 理解等级:中级 普通读书笔记卡

05 第5章 行为规律的发现与挖掘

12 张卡片
  1. 矩阵分解作为体系化规律挖掘手段 理解等级:未标注 普通读书笔记卡
  2. 特征值分解的几何意义 理解等级:未标注 普通读书笔记卡
  3. SVD推广到非方阵 理解等级:未标注 普通读书笔记卡
  4. 保留top-k奇异值降维 理解等级:未标注 普通读书笔记卡
  5. SVD降维加K均值聚类 理解等级:未标注 普通读书笔记卡
  6. NMF非负带来可解释性 理解等级:未标注 普通读书笔记卡
  7. NMF的稀疏性优势 理解等级:未标注 普通读书笔记卡
  8. 线性变换由基的像决定 理解等级:中级 普通读书笔记卡
  9. 分解维数与簇数分开选 理解等级:高级 普通读书笔记卡
  10. 非负更新保持分解约束 理解等级:中级 普通读书笔记卡
  11. 非负表示不等于硬聚类 理解等级:高级 普通读书笔记卡
  12. 矩阵分析工具各司其职 理解等级:中级 延伸参考卡

06 第6章 对观测到的事件进行因果推断

10 张卡片
  1. 全量评估的核心困境 理解等级:未标注 普通读书笔记卡
  2. 多元回归中调整R方的必要性 理解等级:未标注 普通读书笔记卡
  3. DID的平行趋势假设 理解等级:未标注 普通读书笔记卡
  4. 合成控制法构造反事实 理解等级:未标注 普通读书笔记卡
  5. CausalImpact反事实 理解等级:未标注 普通读书笔记卡
  6. 回归解释条件均值 理解等级:中级 普通读书笔记卡
  7. 拟合平方和先核对定义 理解等级:中级 普通读书笔记卡
  8. 整体与单系数检验不同 理解等级:中级 普通读书笔记卡
  9. 状态空间分离观测与状态 理解等级:中级 结构图卡
  10. 安慰剂检查合成差距 理解等级:高级 普通读书笔记卡

07 第7章 如何比较两个策略的效果

9 张卡片
  1. 相关性不等于因果性 理解等级:未标注 普通读书笔记卡
  2. 潜在结果框架与AB实验的必要性 理解等级:未标注 普通读书笔记卡
  3. A/B实验的三大特性 理解等级:未标注 普通读书笔记卡
  4. A/B实验的假设检验与证伪逻辑 理解等级:未标注 普通读书笔记卡
  5. 最小预期提升的业务门槛 理解等级:未标注 普通读书笔记卡
  6. A/B实验样本量的四要素 理解等级:未标注 普通读书笔记卡
  7. A/A实验校准分组本身的噪声 理解等级:未标注 普通读书笔记卡
  8. 实验不能看到显著就立即喊停 理解等级:未标注 普通读书笔记卡
  9. 指标与随机化单位要对齐 理解等级:高级 普通读书笔记卡

08 第8章 提高实验效能

7 张卡片
  1. 样本方差如何淹没真实效果 理解等级:未标注 普通读书笔记卡
  2. 随机区组实验:先分层再分组 理解等级:未标注 普通读书笔记卡
  3. 随机区组实验拆解出的三部分方差 理解等级:未标注 普通读书笔记卡
  4. 区组特征的选择标准 理解等级:未标注 普通读书笔记卡
  5. 区组数量不是越多越好 理解等级:未标注 普通读书笔记卡
  6. R方升高不等于策略有效果 理解等级:未标注 普通读书笔记卡
  7. 区组回归调整背景差异 理解等级:中级 普通读书笔记卡

09 第9章 特殊场景下的实验设计和分析方法

17 张卡片
  1. 网络效应破坏独立性假设 理解等级:未标注 普通读书笔记卡
  2. 随机饱和度实验的两层随机化 理解等级:未标注 普通读书笔记卡
  3. 饱和度为0和1的簇提供无偏对照 理解等级:未标注 普通读书笔记卡
  4. 分簇兼顾独立与均匀 理解等级:未标注 普通读书笔记卡
  5. 双边市场不能按用户分流 理解等级:未标注 普通读书笔记卡
  6. Switchback时空切片 理解等级:未标注 普通读书笔记卡
  7. 跨片率衡量时空切片划分的好坏 理解等级:未标注 普通读书笔记卡
  8. 交叉实验自身作对照 理解等级:未标注 普通读书笔记卡
  9. 交叉实验的延滞效应与消除期 理解等级:未标注 普通读书笔记卡
  10. 交叉设计矩阵的平衡性 理解等级:未标注 普通读书笔记卡
  11. 不能分流也不能轮转的场景 理解等级:未标注 普通读书笔记卡
  12. 多基线实验的前后对比 理解等级:未标注 普通读书笔记卡
  13. 打乱切换时间的随机检验 理解等级:未标注 普通读书笔记卡
  14. 协变量剥离方差提灵敏度 理解等级:未标注 普通读书笔记卡
  15. 饱和度区分直接与溢出 理解等级:高级 普通读书笔记卡
  16. 图切分减少跨区关联 理解等级:中级 普通读书笔记卡
  17. 模拟功效须按拒绝规则算 理解等级:高级 普通读书笔记卡

10 第10章 SQLFlow

8 张卡片
  1. SQLFlow封装机器学习流程 理解等级:未标注 普通读书笔记卡
  2. 特征列封装特征工程 理解等级:未标注 普通读书笔记卡
  3. 先探查数据再训练预测 理解等级:中级 普通读书笔记卡
  4. 镜像打包分析依赖 理解等级:中级 延伸参考卡
  5. Conda隔离分析环境 理解等级:中级 延伸参考卡
  6. 结构化通信需共同协议 理解等级:中级 延伸参考卡
  7. 交互研究与批处理分工 理解等级:中级 普通读书笔记卡
  8. 自定义模型先接契约再验证 理解等级:中级 结构图卡

11 第11章 机器学习模型可解释性

15 张卡片
  1. 两类从业者对模型的期待 理解等级:未标注 普通读书笔记卡
  2. 可解释模型的纠错双重作用 理解等级:未标注 普通读书笔记卡
  3. 可解释模型的三个特征 理解等级:未标注 普通读书笔记卡
  4. 线性回归的五个假设条件 理解等级:未标注 普通读书笔记卡
  5. 决策树的解释形式是"与"条件链 理解等级:未标注 普通读书笔记卡
  6. KNN是懒惰学习只能做局部解释 理解等级:未标注 普通读书笔记卡
  7. KNN的k值与拟合走向 理解等级:未标注 普通读书笔记卡
  8. 朴素贝叶斯是生成模型 理解等级:未标注 普通读书笔记卡
  9. 全局代理模型只能解释模型本身 理解等级:未标注 普通读书笔记卡
  10. LIME用局部采样解释单个预测 理解等级:未标注 普通读书笔记卡
  11. Shapley值的公平分配 理解等级:未标注 普通读书笔记卡
  12. SHAP的线性可加分解 理解等级:未标注 普通读书笔记卡
  13. 比较权重要先看尺度 理解等级:高级 普通读书笔记卡
  14. 距离度量决定近邻 理解等级:中级 普通读书笔记卡
  15. SHAP分布与重要性分开读 理解等级:中级 普通读书笔记卡

12 第12章 基于LSTM-Autoencoder的无监督聚类模型

10 张卡片
  1. 聚类本质是相似度选择 理解等级:未标注 普通读书笔记卡
  2. K均值聚类需要预先指定K值 理解等级:未标注 普通读书笔记卡
  3. 层次聚类不需要预先指定簇数 理解等级:未标注 普通读书笔记卡
  4. 判定簇间距离的单连接与全连接 理解等级:未标注 普通读书笔记卡
  5. 自编码器的压缩与重建 理解等级:未标注 普通读书笔记卡
  6. 深度聚类的同步优化 理解等级:未标注 普通读书笔记卡
  7. 辅助目标分布强化聚类置信度 理解等级:未标注 普通读书笔记卡
  8. 无监督聚类替代人工经验分类 理解等级:未标注 普通读书笔记卡
  9. 聚类中心不等于最优站址 理解等级:高级 普通读书笔记卡
  10. 软分配连接特征与质心 理解等级:中级 普通读书笔记卡

全书概览

数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow

Skill 版本:v24

执行模式:light

建档进度:done

本轮结果:整书生成、导入对账与139张卡片归档完成;82条软链接均已解析。实践交付为2份计划与首轮源码材料,未执行完整实践。

整书阅读内容见整书笔记,完整证据与取舍见阅读覆盖。

出版信息:谢梁、缪莹莹、高梓尧、王子玲等著,机械工业出版社,版权页确认纸版2021年,ISBN9787111682547;版次和精确出版日期未确认。OPF日期为2021-05-31T16:00:00Z,不将时区换算冒作精确纸版出版日。

本轮评级与范围

沿用经典原理(高浓度×高稳定性):选择、生存、实验和分解均有可迁移的机制及假设;工具版本和单次示例低稳定,按具体条件使用。默认概念解析,局部操作按用途保留;维持AI专项、数据库/存储P4,不因完成而改变内容评级。

章节进度追踪表

章节号 章节标题 状态 卡片数
0 序言与部分导语 done 3
1 第1章 如何分析用户的选择 done 13
2 第2章 与时间相关的行为分析 done 14
3 第3章 洞察用户长期价值: 基于神经网络的LTV建模 done 13
4 第4章 使用体系化分析方法进行场景挖掘 done 8
5 第5章 行为规律的发现与挖掘 done 12
6 第6章 对观测到的事件进行因果推断 done 10
7 第7章 如何比较两个策略的效果 done 9
8 第8章 提高实验效能 done 7
9 第9章 特殊场景下的实验设计和分析方法 done 17
10 第10章 SQLFlow done 8
11 第11章 机器学习模型可解释性 done 15
12 第12章 基于LSTM-Autoencoder的无监督聚类模型 done 10

本轮全部正文项

spine 标题 状态 卡片主要位置数
5 序一 done 1
6 序二 done 0
7 前言 done 1
8 第一部分 观测数据的分析技术 done 1
9 第1章 如何分析用户的选择 done 0
10 1.1 深入理解选择行为 done 2
11 1.2 DCM详述 done 6
12 1.3 DCM模型的Python实践 done 5
13 1.4 本章小结 done 0
14 第2章 与时间相关的行为分析 done 0
15 2.1 生存分析与二手车定价案例 done 2
16 2.2 生存分析的理论框架 done 11
17 2.3 生存分析在二手车定价案例中的应用 done 1
18 2.4 本章小结 done 0
19 第3章 洞察用户长期价值: 基于神经网络的LTV建模 done 0
20 3.1 用户长期价值的概念和商业应用 done 6
21 3.2 基于Keras的LTV模型实践 done 7
22 3.3 本章小结 done 0
23 第4章 使用体系化分析方法进行场景挖掘 done 0
24 4.1 经验化分析与体系化分析 done 2
25 4.2 体系化分析常用工具 done 6
26 4.3 场景挖掘分析的应用与实现 done 0
27 4.4 本章小结 done 0
28 第5章 行为规律的发现与挖掘 done 1
29 5.1 对有序数据的规律分析 done 4
30 5.2 SVD聚类建模Python实战 done 3
31 5.3 对无序稀疏数据的规律分析 done 4
32 5.4 本章小结 done 0
33 第6章 对观测到的事件进行因果推断 done 0
34 6.1 使用全量评估分析已发生的事件 done 1
35 6.2 全量评估的主要方法 done 8
36 6.3 全量评估方法的应用 done 1
37 6.4 本章小结 done 0
38 第二部分 实验设计和分析技术 done 0
39 第7章 如何比较两个策略的效果 done 0
40 7.1 正确推断因果关系 done 2
41 7.2 运用A/B实验进行策略比较 done 1
42 7.3 A/B实验应用步骤 done 6
43 7.4 A/B实验案例 done 0
44 7.5 本章小结 done 0
45 第8章 提高实验效能 done 2
46 8.2 用随机区组设计控制实验指标方差 done 2
47 8.3 随机区组实验应用步骤 done 2
48 8.4 随机区组实验案例介绍 done 0
49 8.5 随机区组实验的常见问题 done 1
50 8.6 本章小结 done 0
51 第9章 特殊场景下的实验设计和分析方法 done 0
52 9.1 解决分流实验对象之间的干扰 done 5
53 9.2 Switchback实验和评估方法 done 5
54 9.3 交叉实验 done 3
55 9.4 强约束条件下的实验方法 done 4
56 9.5 本章小结 done 0
57 第三部分 自助式数据科学平台SQLFlow done 0
58 第10章 SQLFlow done 1
59 10.2 设置SQLFlow运行环境 done 5
60 10.3 向SQLFlow提交分析模型 done 2
61 10.4 本章小结 done 0
62 第11章 机器学习模型可解释性 done 0
63 11.1 模型的可解释性 done 3
64 11.2 常见的可解释模型 done 7
65 11.3 黑盒模型的解释性 done 5
66 11.4 本章小结 done 0
67 第12章 基于LSTM-Autoencoder的无监督聚类模型 done 0
68 12.1 聚类分析的广泛应用 done 1
69 12.2 聚类模型的应用案例 done 4
70 12.3 SQLFlow中基于深度学习的聚类模型 done 5
71 12.4 本章小结 done 0

非正文排除

spine项 类型 排除理由
1 cover_page.xhtml 封面 SVG封面已查看,无实质讲解
2 part0000.xhtml 书名版权 出版元数据已提取,无方法讲解
3 part0001.xhtml 纯目录 已核对章节范围和spine,不当阅读正文
4 part0002.xhtml 作者简介 简介与17幅肖像已读/查看,个人履历不构成本书方法讲解

待关联术语

术语名 出现章节 一句话语境
行为经济学 sp10 从家庭旅行的成本、时长与收入差异出发,建立理性选择、效用最大化与揭示性偏好的关系,再把选择映射为决策者、选项和属性组成的模型簇。
Greenwood公式 sp16 先界定起始/终点事件、时间、删失及风险集,再区分生存概率、瞬时风险、累积风险与中位时间。KM和参数模型估计曲线,对数秩比较组别;Cox以比例风险及部分似然调整协变量。
Hierarchical Bayesian sp20 LTV以用户生命周期的货币贡献支持经营评价,阶段划分没有硬边界。观察窗口与运营策略改变价值口径;从简式、统计模型到网络的选择取决于假设与数据,而不是越复杂必然越准。
吉布斯采样 sp20 LTV以用户生命周期的货币贡献支持经营评价,阶段划分没有硬边界。观察窗口与运营策略改变价值口径;从简式、统计模型到网络的选择取决于假设与数据,而不是越复杂必然越准。
马尔可夫链蒙特卡洛 sp20,sp35 LTV以用户生命周期的货币贡献支持经营评价,阶段划分没有硬边界。观察窗口与运营策略改变价值口径;从简式、统计模型到网络的选择取决于假设与数据,而不是越复杂必然越准。
LU分解 sp28 第5章从经验规则的颗粒度和主观性引出矩阵分解与聚类:用低维特征描述样本的共同规律,但降维目标不必然保证业务可解释或自动去除全部噪声。
QR分解 sp28 第5章从经验规则的颗粒度和主观性引出矩阵分解与聚类:用低维特征描述样本的共同规律,但降维目标不必然保证业务可解释或自动去除全部噪声。
PCA sp31 NMF以非负加权组合表达局部成分,允许增加稀疏约束;通过重构损失优化W/H并用非负乘法保持约束。案例把周购买量作TF-IDF后分解,数据零值与缺失的含义仍须区分。
ICA sp31 NMF以非负加权组合表达局部成分,允许增加稀疏约束;通过重构损失优化W/H并用非负乘法保持约束。案例把周购买量作TF-IDF后分解,数据零值与缺失的含义仍须区分。
VQ sp31 NMF以非负加权组合表达局部成分,允许增加稀疏约束;通过重构损失优化W/H并用非负乘法保持约束。案例把周购买量作TF-IDF后分解,数据零值与缺失的含义仍须区分。
TF-IDF sp31 NMF以非负加权组合表达局部成分,允许增加稀疏约束;通过重构损失优化W/H并用非负乘法保持约束。案例把周购买量作TF-IDF后分解,数据零值与缺失的含义仍须区分。
稀疏NMF sp31 NMF以非负加权组合表达局部成分,允许增加稀疏约束;通过重构损失优化W/H并用非负乘法保持约束。案例把周购买量作TF-IDF后分解,数据零值与缺失的含义仍须区分。
岭回归 sp35 多重共线性影响估计稳定与检验;DID用变化量差构造比较,合成控制从供体学习非负权重,CausalImpact再把趋势、季节与控制序列放进状态空间。
Spike-and-slab Prior sp35 多重共线性影响估计稳定与检验;DID用变化量差构造比较,合成控制从供体学习非负权重,CausalImpact再把趋势、季节与控制序列放进状态空间。
背景因子 sp42 先写实验要素、核心指标和假设,再由目标效应、方差、α与功效估样本及周期,A/A和过程监控检查实现,不能见显著就停。样本单位、相对百分比和百分点需明确。
偏执因子 sp42 先写实验要素、核心指标和假设,再由目标效应、方差、α与功效估样本及周期,A/A和过程监控检查实现,不能见显著就停。样本单位、相对百分比和百分点需明确。
混淆因子 sp42 先写实验要素、核心指标和假设,再由目标效应、方差、α与功效估样本及周期,A/A和过程监控检查实现,不能见显著就停。样本单位、相对百分比和百分点需明确。
PDP sp65 全局代理近似模型总体行为,LIME用局部扰动和距离权重解释单次输出;Shapley平均边际贡献,SHAP将预测差分解为贡献相加。案例以SQLFlow训练XGBoost并解
ICE sp65 全局代理近似模型总体行为,LIME用局部扰动和距离权重解释单次输出;Shapley平均边际贡献,SHAP将预测差分解为贡献相加。案例以SQLFlow训练XGBoost并解
Ward连接 sp69 采购数据先看分布和相关再选相似度尺度,层次聚类与树状图帮助分群,回原品类统计解释各类特点。文中说MinMax但代码未展示,不能冒称归一化已执行。
t-SNE sp70 自编码器用重建学习低维表征,K均值初始化中心后接Student-t软分配层,用频次修正的锐化目标及KL损失训练;潜在特征本身不是簇标签。

引用文献

标题 类型(书/论文/框架/源码项目) 出现章节 一句话语境
Deep Speech 2 框架/源码项目 sp6 序二从行业分析师使用AI的困难切入,解释SQL抽象层与SQLFlow的起源;目标是帮助有行业知识的人使用模型,并非替代商业理解。
Paddle 框架/源码项目 sp6 序二从行业分析师使用AI的困难切入,解释SQL抽象层与SQLFlow的起源;目标是帮助有行业知识的人使用模型,并非替代商业理解。
Data_Science_Industrial_Practice 框架/源码项目 sp7 前言定义本书的目标:把开放商业问题映射为合适的量化框架,连接原理、代码与解读;三部分分别处理观测、实验和工程工具,并给出勘误仓库。
statsmodels 框架/源码项目 sp12 从statsmodels与pylogit的入口讲起,解释一次选择一行的宽表与每选项一行的长表;转换须有观测ID、选项ID、选择标识和可用性,再进入数值化与缺失处理。
pylogit 框架/源码项目 sp12 从statsmodels与pylogit的入口讲起,解释一次选择一行的宽表与每选项一行的长表;转换须有观测ID、选项ID、选择标识和可用性,再进入数值化与缺失处理。
Anaconda 框架/源码项目 sp12 从statsmodels与pylogit的入口讲起,解释一次选择一行的宽表与每选项一行的长表;转换须有观测ID、选项ID、选择标识和可用性,再进入数值化与缺失处理。
微观经济学建模及离散选择分析 书 sp12 从statsmodels与pylogit的入口讲起,解释一次选择一行的宽表与每选项一行的长表;转换须有观测ID、选项ID、选择标识和可用性,再进入数值化与缺失处理。
lifelines 框架/源码项目 sp17 生存分析表同时记录时长、终点标识与协变量;案例先绘制和比较分组曲线,再用Cox拟合条件关联并预测个体曲线,中位数仅是其摘要。
scikit-survival 框架/源码项目 sp17 生存分析表同时记录时长、终点标识与协变量;案例先绘制和比较分组曲线,再用Cox拟合条件关联并预测个体曲线,中位数仅是其摘要。
Online Retail 框架/源码项目 sp21,sp30 零售数据先清理退货与缺ID、限定国家、整理首次交易与日内时间,再定义前28天特征及180天累计付费标签。将28天分为4周,每周交易序列截断填充以形成固定张量。
XGBoost 框架/源码项目 sp26 共享单车数据先按年份、温度和天气探索,再用XGBoost预测并拟合场景树;类别编码与变量含义必须清楚,cnt的组成项不得作为自变量泄漏目标。
Bike Sharing Dataset 框架/源码项目 sp26 共享单车数据先按年份、温度和天气探索,再用XGBoost预测并拟合场景树;类别编码与变量含义必须清楚,cnt的组成项不得作为自变量泄漏目标。
Seaborn 框架/源码项目 sp31 NMF以非负加权组合表达局部成分,允许增加稀疏约束;通过重构损失优化W/H并用非负乘法保持约束。案例把周购买量作TF-IDF后分解,数据零值与缺失的含义仍须区分。
scikit-learn 框架/源码项目 sp31 NMF以非负加权组合表达局部成分,允许增加稀疏约束;通过重构损失优化W/H并用非负乘法保持约束。案例把周购买量作TF-IDF后分解,数据零值与缺失的含义仍须区分。
Daily Demand Forecasting Orders 框架/源码项目 sp36 物流订单案例人为给后30天加处理标记及50单位扰动,用回归分离协变量差异与已设定提升;模型检查和系数解读是示范,不代表真实部署证明。
Synth 框架/源码项目 sp36 巴斯克案例分别演示单对照DID和Synth合成对照,权重和供体选择有不同假设;安慰剂对比支持异常差距判断。随后空气数据也人工添加变化来示范反事实。
SCtools 框架/源码项目 sp36 巴斯克案例分别演示单对照DID和Synth合成对照,权重和供体选择有不同假设;安慰剂对比支持异常差距判断。随后空气数据也人工添加变化来示范反事实。
The Economic Costs of Conflict 论文 sp36 巴斯克案例分别演示单对照DID和Synth合成对照,权重和供体选择有不同假设;安慰剂对比支持异常差距判断。随后空气数据也人工添加变化来示范反事实。
bsts 框架/源码项目 sp36 空气观测透视成序列,区分目标与控制序列,定义前后期;自建bsts可选择状态和协变量,示例把后期响应设缺失以避免拟合处理结果。变量数和先验是模型配置,不能机械理解为恰好选中
CausalImpact 框架/源码项目 sp36 空气观测透视成序列,区分目标与控制序列,定义前后期;自建bsts可选择状态和协变量,示例把后期响应设缺失以避免拟合处理结果。变量数和先验是模型配置,不能机械理解为恰好选中
Beijing Multi-Site Air-Quality 框架/源码项目 sp36 空气观测透视成序列,区分目标与控制序列,定义前后期;自建bsts可选择状态和协变量,示例把后期响应设缺失以避免拟合处理结果。变量数和先验是模型配置,不能机械理解为恰好选中
Overlapping Experiment Infrastructure 论文 sp38 第二部分导语用互联网实验示例说明在线策略也可以预先设计比较,从事后解释转向受控验证;不把具名实验的存在视为伦理正当性证据。
Experimental Evidence of Massive-Scale Emotional Contagion 论文 sp38 第二部分导语用互联网实验示例说明在线策略也可以预先设计比较,从事后解释转向受控验证;不把具名实验的存在视为伦理正当性证据。
Designing Experiments to Measure Spillover Effects 论文 sp52 小结再次强调独立且均衡簇是难点,并列出饱和度实验的文献来源。
NetworkX 框架/源码项目 sp53 Switchback按时空片安排策略,利用跨片率衡量隔离;图上的谱聚类帮助减少跨区匹配。评估加入时空协变量,模拟可检出能力须按真正检验规则计算,不能仅统计正系数。
Chicago Taxi Trips 框架/源码项目 sp53 Switchback按时空片安排策略,利用跨片率衡量隔离;图上的谱聚类帮助减少跨区匹配。评估加入时空协变量,模拟可检出能力须按真正检验规则计算,不能仅统计正系数。
Design of Experiments 书 sp54 交叉实验让同一单元接受多个策略,区分序列、周期、残留与消除期。设计矩阵的均匀与前后配对平衡是不同性质,拉丁方不自动满足所有残留平衡;评估也要处理重复测量。
The Effects of Attentional Shift Training on the Execution of Soccer Skills 论文 sp55 不能持续分流又不能撤回处理时,可把少量对象的处理起点随机错开,重复测量构造多基线。效能受对象数、重复次数和时间池影响,随机化检验须保留设计约束。
Iris 框架/源码项目 sp58 SQLFlow把查询交给数据引擎,把训练说明转成模型程序;Iris例子明确特征、标签与存储。不同引擎/框架的开放连接是工具定位,而非普遍免编程承诺。
SQLFlow models 框架/源码项目 sp58 SQLFlow把查询交给数据引擎,把训练说明转成模型程序;Iris例子明确特征、标签与存储。不同引擎/框架的开放连接是工具定位,而非普遍免编程承诺。
BigQuery ML 框架/源码项目 sp58 SQLFlow把查询交给数据引擎,把训练说明转成模型程序;Iris例子明确特征、标签与存储。不同引擎/框架的开放连接是工具定位,而非普遍免编程承诺。
Teradata SQL for DL 框架/源码项目 sp58 SQLFlow把查询交给数据引擎,把训练说明转成模型程序;Iris例子明确特征、标签与存储。不同引擎/框架的开放连接是工具定位,而非普遍免编程承诺。
SQL Server AI 框架/源码项目 sp58 SQLFlow把查询交给数据引擎,把训练说明转成模型程序;Iris例子明确特征、标签与存储。不同引擎/框架的开放连接是工具定位,而非普遍免编程承诺。
Go 框架/源码项目 sp59 自建环境还需Go代码生成、Java解析器、Python提交器、预制模型和数据引擎,客户端指定服务端地址。Notebook适于研究,REPL适于简洁调用和调试。
Maven 框架/源码项目 sp59 自建环境还需Go代码生成、Java解析器、Python提交器、预制模型和数据引擎,客户端指定服务端地址。Notebook适于研究,REPL适于简洁调用和调试。
Jupyter 框架/源码项目 sp59 自建环境还需Go代码生成、Java解析器、Python提交器、预制模型和数据引擎,客户端指定服务端地址。Notebook适于研究,REPL适于简洁调用和调试。
Protocol Buffers 框架/源码项目 sp59 自建环境还需Go代码生成、Java解析器、Python提交器、预制模型和数据引擎,客户端指定服务端地址。Notebook适于研究,REPL适于简洁调用和调试。
Conda 框架/源码项目 sp59 自建环境还需Go代码生成、Java解析器、Python提交器、预制模型和数据引擎,客户端指定服务端地址。Notebook适于研究,REPL适于简洁调用和调试。
Travis CI 框架/源码项目 sp60 自定义模型按特征列及超参数契约接入,导出入口后分别做单元与端到端验证,再贡献审查。特征列封装输入转换,但缺失参数仍会终止训练。
Kubernetes 框架/源码项目 sp61 小结提供部署和设计文档的延伸入口,未实质展开集群部署流程。
CloudSQL 框架/源码项目 sp61 小结提供部署和设计文档的延伸入口,未实质展开集群部署流程。
Kubernetes Engine 框架/源码项目 sp61 小结提供部署和设计文档的延伸入口,未实质展开集群部署流程。
SQLFlow Design 框架/源码项目 sp61 小结提供部署和设计文档的延伸入口,未实质展开集群部署流程。
Boston Housing 框架/源码项目 sp64 线性组合可直接解释系数,但假设是条件模型与误差的约束,不要求边际目标必正态;截距不是残差。逻辑回归经sigmoid给出概率,系数应解释为对数几率与几率比。
Titanic 框架/源码项目 sp64 线性组合可直接解释系数,但假设是条件模型与误差的约束,不要求边际目标必正态;截距不是残差。逻辑回归经sigmoid给出概率,系数应解释为对数几率与几率比。
GLMM 框架/源码项目 sp64 线性组合可直接解释系数,但假设是条件模型与误差的约束,不要求边际目标必正态;截距不是残差。逻辑回归经sigmoid给出概率,系数应解释为对数几率与几率比。
TreeExplainer 框架/源码项目 sp65 全局代理近似模型总体行为,LIME用局部扰动和距离权重解释单次输出;Shapley平均边际贡献,SHAP将预测差分解为贡献相加。案例以SQLFlow训练XGBoost并解
SHAP 框架/源码项目 sp65 全局代理近似模型总体行为,LIME用局部扰动和距离权重解释单次输出;Shapley平均边际贡献,SHAP将预测差分解为贡献相加。案例以SQLFlow训练XGBoost并解
LIME 框架/源码项目 sp65 全局代理近似模型总体行为,LIME用局部扰动和距离权重解释单次输出;Shapley平均边际贡献,SHAP将预测差分解为贡献相加。案例以SQLFlow训练XGBoost并解
Car Price Prediction 框架/源码项目 sp65 全局代理近似模型总体行为,LIME用局部扰动和距离权重解释单次输出;Shapley平均边际贡献,SHAP将预测差分解为贡献相加。案例以SQLFlow训练XGBoost并解
Uber Pickups in New York City 框架/源码项目 sp69 K均值反复分配与更新,选址可用中心提出候选而非证明路网最优;层次聚类从单点逐次合并,连接度量决定树结构,最后仍须选树的切分高度。
Folium 框架/源码项目 sp69 K均值反复分配与更新,选址可用中心提出候选而非证明路网最优;层次聚类从单点逐次合并,连接度量决定树结构,最后仍须选树的切分高度。
Wholesale Customers 框架/源码项目 sp69 采购数据先看分布和相关再选相似度尺度,层次聚类与树状图帮助分群,回原品类统计解释各类特点。文中说MinMax但代码未展示,不能冒称归一化已执行。
MNIST 框架/源码项目 sp70 自编码器用重建学习低维表征,K均值初始化中心后接Student-t软分配层,用频次修正的锐化目标及KL损失训练;潜在特征本身不是簇标签。
DeepEmbeddingClusterModel 框架/源码项目 sp70 训练周期性重算目标,以标签变化率决定停止,再用道路24小时车速做六组模式探索。代码核心是Dense编码和Student-t聚类,未展示标题暗示的LSTM;训练数据上作分群
traffic_speed数据 框架/源码项目 sp70 训练周期性重算目标,以标签变化率决定停止,再用道路24小时车速做六组模式探索。代码核心是Dense编码和Student-t聚类,未展示标题暗示的LSTM;训练数据上作分群

资金安全问题案例

问题标题 问题卡 解决方案卡(如有) 出现章节 一句话说明

无具体并发扣款、库存或清结算正确性事故,未制造配对案例。

实践卡进度

序号 实践标题 实践方式 状态 关联章节 产出
1 从成熟实现理解实验功效 实现深读 done 第7~9章 idea-001-模拟真实AB实验验证样本方差如何淹没真实效果.md;固定提交、已读入口和两层计划
2 核对SHAP加和的输出尺度 实现深读 done 第7~9章、11章 idea-002-用SHAP解释一个真实训练模型验证局部可加分解.md;固定提交、已读入口和两层计划

实践候选筛选:done

保留并升级原2项;未采用真实业务上线、完整复写SQLFlow与实际定价干预:缺真实授权/业务输入,且成熟实现已能提供阅读入口。本轮只交付计划及首轮源码映射,未执行1000次模拟、模型训练或完整源码通读。

本轮模式与版本

轻量模式:未执行复核、审查及审查结果优化。历史审查和主题记录仅作历史,不用作本轮审查结论;已知来源与准确性问题在生成时处理。139卡(原93、新46),每卡一个实质primary及真实来源;336资源检查,92单元阅读,67正文项已讲解。schema1及SHA256见工作流证据。

历史管理记录(保留)

  • 历史首次 Skill 版本:v1
  • 本次实际使用规则:book-notes v8(2026-09-25 按 _card_review.md 第 2 轮复核:34 张卡标题压缩至 15 字内(已归档卡保留原文件名)、断链修复、摘录逐字复核并更正源文件、实践卡标题压缩;另补主题索引维护),详见 _workflow.md。
  • 类别:统计建模与因果推断类

阶段一:整体评级

结论:经典原理(高信息浓度 × 高稳定性)

理由:

  • 信息浓度高:全书围绕”为什么用这个方法、这个方法背后的原理是什么”展开,而非单纯的 操作手册。例如第1章从理性人选择理论、效用理论、揭示性偏好理论层层递进推导出离散选择模型 (DCM)的数学结构;第7章从相关性谬误讲到潜在结果框架(Potential Outcome Framework), 再引出A/B实验作为科学因果推断方法的理论根基;第2章解释了为什么在存在删失数据的场景下 一般回归模型失效、必须选择生存分析。这些内容都是在讲底层设计决策,而非”点击这个按钮”式 的步骤说明。
  • 稳定性高(主体部分):第一部分(观测数据分析,第1~6章)和第二部分(实验设计, 第7~9章)讲的是统计学、计量经济学、实验设计的经典理论(DCM、生存分析、因果推断、 A/B实验、随机区组设计、Switchback实验等),这些原理不依赖特定工具版本,多年后依然适用。
  • 例外(需注意的低稳定性部分):第三部分(第10~12章)介绍开源工具SQLFlow,其中 Docker环境配置、CLI交互步骤等内容与工具版本绑定,稳定性较低;但该部分同时包含模型 可解释性理论(第11章:线性/逻辑回归、决策树、KNN、朴素贝叶斯等可解释模型对比,黑盒 模型解释方法)和深度学习聚类原理(第12章:LSTM-Autoencoder聚类算法原理),这些内容 仍然是高浓度、高稳定性的。整体评级不因局部工具细节而降级,但精读时会区分原理性内容 (生卡)和纯操作步骤(不生卡)。

类别识别

对照 category-checklists.md 现有类别,均未精确命中:

  • “数据科学导论类”要求”广谱概览”,而本书是深挖具体方法(DCM/生存分析/因果推断/实验 设计),不是概览。
  • “数据分析方法论类”聚焦”指标体系构建→MECE拆解→图表呈现”这条业务分析工作流,而本书是 具体的统计/计量经济学方法本身(模型假设、识别策略、效应量估计),技术深度明显更高。
  • “AI 模型类”聚焦模型结构/训练目标,本书虽含LTV神经网络、LSTM-Autoencoder等内容,但 全书主线是”分析框架的选择与因果推断逻辑”,AI建模只是其中一种工具而非主线。

建议新增类别:统计建模与因果推断类

判定标准草案:以讲解特定统计/计量经济学方法(如离散选择模型、生存分析、因果推断方法、 A/B实验与实验设计)在商业场景下的原理、假设与应用为主要目标的书籍;不同于泛泛描述数据 分析工作流程的书(走”数据分析方法论类”),也不同于广谱概览数据科学生态的书(走”数据科学 导论类”)。

必答清单草案: 1. 方法适用场景与前提假设:什么业务问题触发选择该方法,方法背后的假设是什么 2. 从业务问题到统计模型的映射方式:如何把开放商业问题转化为可估计的模型 3. 因果推断逻辑:如何排除混杂、区分相关与因果 4. 实验设计原则:随机化、分层/区组、方差控制等设计手段 5. 效应量估计与显著性判断:如何评估效果大小与统计显著性 6. 方法失效场景与应对:假设不满足时(如无法随机分流、强约束条件)如何调整方法 7. 结果解释与业务落地:模型/实验结果如何转化为业务决策 8. 同类方法的对比与选型:同一问题下多种方法的优劣取舍

用户已确认新增该类别,已追加至 category-checklists.md,阶段四将按此清单执行核对。

章节进度追踪表

章节号 章节标题 精读/略读 状态 卡片数
1 第1章 如何分析用户的选择 精读 done 8
2 第2章 与时间相关的行为分析 精读 done 9
3 第3章 洞察用户长期价值:基于神经网络的LTV建模 精读 done 8
4 第4章 使用体系化分析方法进行场景挖掘 精读 done 6
5 第5章 行为规律的发现与挖掘 精读 done 7
6 第6章 对观测到的事件进行因果推断 精读 done 5
7 第7章 如何比较两个策略的效果 精读 done 8
8 第8章 提高实验效能 精读 done 6
9 第9章 特殊场景下的实验设计和分析方法 精读 done 14
10 第10章 SQLFlow 精读 done 2
11 第11章 机器学习模型可解释性 精读 done 12
12 第12章 基于LSTM-Autoencoder的无监督聚类模型 精读 done 8

理由:全书12章均包含概念/术语/原理类内容的实质性讲解(离散选择模型、生存分析、 LTV、可解释模型体系、矩阵分解、因果推断方法、A/B实验原理、实验设计方差控制、特殊场景 实验方法、SQLFlow工作原理、模型可解释性、深度学习聚类原理),按”概念类内容强制生卡” 规则全部标记精读。第10章虽含Docker环境配置等操作步骤,但10.1节”SQLFlow工作原理”有 实质性原理讲解,故整章仍标精读(操作步骤部分精读时不生卡)。

待关联术语

术语名 出现章节 一句话语境

实践卡进度

序号 实践标题 实践方式 状态 关联章节 产出
1 模拟AB实验看方差淹没效果 实现深读 done AB实验相关章节 三场景1000次模拟统计结果
2 用SHAP验证局部可加分解 实现深读 done 可解释性相关章节 SHAP值核对记录与排序合理性判断

类别清单核对(统计建模与因果推断类)

维度 覆盖状态 关联卡片标题或未覆盖理由
方法适用场景与前提假设 已覆盖 生存分析解决截面回归的盲点、删失与右删失、DID的平行趋势假设、线性回归的五个假设条件
从业务问题到统计模型的映射方式 已覆盖 DCM的模型簇结构、全量评估的核心困境、场景挖掘框架的三段式组合
因果推断逻辑 已覆盖 相关性不等于因果性、潜在结果框架与AB实验的必要性、合成控制法构造反事实、CausalImpact反事实、单因素生存曲线对比需警惕混杂
实验设计原则(随机化/分层区组/方差控制) 已覆盖 A/B实验的三大特性、随机区组实验:先分层再分组、随机饱和度实验的两层随机化、Switchback时空切片、交叉实验自身作对照、多基线实验的前后对比
效应量估计与显著性判断 已覆盖 A/B实验样本量的四要素、多元回归中调整R方的必要性、R方升高不等于策略有效果、打乱切换时间的随机检验
方法失效场景与应对 已覆盖 IIA假设与红蓝巴士悖论、网络效应破坏独立性假设、不能分流也不能轮转的场景、区组数量不是越多越好
结果解释与业务落地 已覆盖 逻辑回归系数的几率解读、Cox系数的危险保护解读、SHAP的线性可加分解、决策树的解释形式是”与”条件链
同类方法的对比与选型 已覆盖 LTV计算方法的五级演进、黑盒模型与白盒模型的取舍、参数法与非参数法的生存函数估计、K均值聚类需要预先指定K值、层次聚类不需要预先指定簇数

核对结论:8/8 维度均已覆盖,均在阶段三精读过程中自然生成对应卡片,无需为凑清单额外补充生卡。

引用文献

标题 类型(书/论文/框架/源码项目) 出现章节 一句话语境
BigQuery ML 框架 第10章 Google 2018年发布的用SQL驱动机器学习的产品,与SQLFlow类似定位但封闭在自家生态内
TeraData SQL for DL 框架 第10章 TeraData推出的用SQL驱动深度学习的方案,同类定位产品
微软SQL Server AI扩展 框架 第10章 微软基于SQL Server推出的AI能力扩展,同类定位产品

主题索引维护

本书覆盖用户行为建模、观测因果推断、A/B 实验、模型可解释性与无监督聚类;已有主题中无统计建模类主题,新建 5 个主题,SQLFlow 两卡并入大数据计算范式。

卡片标题 结论 主题文件或原因
效用最大化与揭示性偏好 已创建 notes/_topics/user-behavior-modeling.md
DCM的模型簇结构 已创建 notes/_topics/user-behavior-modeling.md
Logit与Probit的分野 已创建 notes/_topics/user-behavior-modeling.md
IIA假设与红蓝巴士悖论 已创建 notes/_topics/user-behavior-modeling.md
备选项特定常数ASC 已创建 notes/_topics/user-behavior-modeling.md
选择数据的长格式与宽格式 已创建 notes/_topics/user-behavior-modeling.md
逻辑回归系数的几率解读 已创建 notes/_topics/user-behavior-modeling.md
共线性检验的VIF阈值 已创建 notes/_topics/user-behavior-modeling.md
生存分析解决截面回归的盲点 已创建 notes/_topics/user-behavior-modeling.md
删失与右删失 已创建 notes/_topics/user-behavior-modeling.md
生存函数与风险函数 已创建 notes/_topics/user-behavior-modeling.md
半衰期作为生存指标 已创建 notes/_topics/user-behavior-modeling.md
KM曲线的非参数估计与局限 已创建 notes/_topics/user-behavior-modeling.md
Cox比例风险模型的半参数结构 已创建 notes/_topics/user-behavior-modeling.md
Cox系数的危险保护解读 已创建 notes/_topics/user-behavior-modeling.md
参数法与非参数法的生存函数估计 已创建 notes/_topics/user-behavior-modeling.md
单因素生存曲线对比需警惕混杂 已创建 notes/_topics/user-behavior-modeling.md
LTV的定义与用户行为估值法 已创建 notes/_topics/user-behavior-modeling.md
用户生命周期的五个阶段 已创建 notes/_topics/user-behavior-modeling.md
LTV观察窗口的折衷 已创建 notes/_topics/user-behavior-modeling.md
LTV计算方法的五级演进 已创建 notes/_topics/user-behavior-modeling.md
BG/NBD统计模型的分布假设 已创建 notes/_topics/user-behavior-modeling.md
LTV的CNN-LSTM嵌套 已创建 notes/_topics/user-behavior-modeling.md
长尾目标变量的对数变换 已创建 notes/_topics/user-behavior-modeling.md
变长行为序列的截断与填充 已创建 notes/_topics/user-behavior-modeling.md
经验化分析的维度诅咒 已创建 notes/_topics/model-interpretability.md
体系化分析先预测后解释的两步法 已创建 notes/_topics/model-interpretability.md
黑盒模型与白盒模型的取舍 已创建 notes/_topics/model-interpretability.md
决策树不纯度指标的选择逻辑 已创建 notes/_topics/model-interpretability.md
全局代理模型的解释逻辑 已创建 notes/_topics/model-interpretability.md
场景挖掘框架的三段式组合 已创建 notes/_topics/model-interpretability.md
矩阵分解作为体系化规律挖掘手段 已创建 notes/_topics/matrix-factorization-clustering.md
特征值分解的几何意义 已创建 notes/_topics/matrix-factorization-clustering.md
SVD推广到非方阵 已创建 notes/_topics/matrix-factorization-clustering.md
保留top-k奇异值降维 已创建 notes/_topics/matrix-factorization-clustering.md
SVD降维加K均值聚类 已创建 notes/_topics/matrix-factorization-clustering.md
NMF非负带来可解释性 已创建 notes/_topics/matrix-factorization-clustering.md
NMF的稀疏性优势 已创建 notes/_topics/matrix-factorization-clustering.md
全量评估的核心困境 已创建 notes/_topics/causal-inference-observational.md
多元回归中调整R方的必要性 已创建 notes/_topics/causal-inference-observational.md
DID的平行趋势假设 已创建 notes/_topics/causal-inference-observational.md
合成控制法构造反事实 已创建 notes/_topics/causal-inference-observational.md
CausalImpact反事实 已创建 notes/_topics/causal-inference-observational.md
相关性不等于因果性 已创建 notes/_topics/causal-inference-observational.md
潜在结果框架与AB实验的必要性 已创建 notes/_topics/causal-inference-observational.md
A/B实验的三大特性 已创建 notes/_topics/ab-experiment-design.md
A/B实验的假设检验与证伪逻辑 已创建 notes/_topics/ab-experiment-design.md
最小预期提升的业务门槛 已创建 notes/_topics/ab-experiment-design.md
A/B实验样本量的四要素 已创建 notes/_topics/ab-experiment-design.md
A/A实验校准分组本身的噪声 已创建 notes/_topics/ab-experiment-design.md
实验不能看到显著就立即喊停 已创建 notes/_topics/ab-experiment-design.md
样本方差如何淹没真实效果 已创建 notes/_topics/ab-experiment-design.md
随机区组实验:先分层再分组 已创建 notes/_topics/ab-experiment-design.md
随机区组实验拆解出的三部分方差 已创建 notes/_topics/ab-experiment-design.md
区组特征的选择标准 已创建 notes/_topics/ab-experiment-design.md
区组数量不是越多越好 已创建 notes/_topics/ab-experiment-design.md
R方升高不等于策略有效果 已创建 notes/_topics/ab-experiment-design.md
网络效应破坏独立性假设 已创建 notes/_topics/ab-experiment-design.md
随机饱和度实验的两层随机化 已创建 notes/_topics/ab-experiment-design.md
饱和度为0和1的簇提供无偏对照 已创建 notes/_topics/ab-experiment-design.md
分簇兼顾独立与均匀 已创建 notes/_topics/ab-experiment-design.md
双边市场不能按用户分流 已创建 notes/_topics/ab-experiment-design.md
Switchback时空切片 已创建 notes/_topics/ab-experiment-design.md
跨片率衡量时空切片划分的好坏 已创建 notes/_topics/ab-experiment-design.md
交叉实验自身作对照 已创建 notes/_topics/ab-experiment-design.md
交叉实验的延滞效应与消除期 已创建 notes/_topics/ab-experiment-design.md
交叉设计矩阵的平衡性 已创建 notes/_topics/ab-experiment-design.md
不能分流也不能轮转的场景 已创建 notes/_topics/ab-experiment-design.md
多基线实验的前后对比 已创建 notes/_topics/ab-experiment-design.md
打乱切换时间的随机检验 已创建 notes/_topics/ab-experiment-design.md
协变量剥离方差提灵敏度 已创建 notes/_topics/ab-experiment-design.md
SQLFlow封装机器学习流程 已复用 (已移出主题体系)
特征列封装特征工程 已复用 (已移出主题体系)
两类从业者对模型的期待 已创建 notes/_topics/model-interpretability.md
可解释模型的纠错双重作用 已创建 notes/_topics/model-interpretability.md
可解释模型的三个特征 已创建 notes/_topics/model-interpretability.md
线性回归的五个假设条件 已创建 notes/_topics/model-interpretability.md
决策树的解释形式是”与”条件链 已创建 notes/_topics/model-interpretability.md
KNN是懒惰学习只能做局部解释 已创建 notes/_topics/model-interpretability.md
KNN的k值与拟合走向 已创建 notes/_topics/model-interpretability.md
朴素贝叶斯是生成模型 已创建 notes/_topics/model-interpretability.md
全局代理模型只能解释模型本身 已创建 notes/_topics/model-interpretability.md
LIME用局部采样解释单个预测 已创建 notes/_topics/model-interpretability.md
Shapley值的公平分配 已创建 notes/_topics/model-interpretability.md
SHAP的线性可加分解 已创建 notes/_topics/model-interpretability.md
聚类本质是相似度选择 已创建 notes/_topics/matrix-factorization-clustering.md
K均值聚类需要预先指定K值 已创建 notes/_topics/matrix-factorization-clustering.md
层次聚类不需要预先指定簇数 已创建 notes/_topics/matrix-factorization-clustering.md
判定簇间距离的单连接与全连接 已创建 notes/_topics/matrix-factorization-clustering.md
自编码器的压缩与重建 已创建 notes/_topics/matrix-factorization-clustering.md
深度聚类的同步优化 已创建 notes/_topics/matrix-factorization-clustering.md
辅助目标分布强化聚类置信度 已创建 notes/_topics/matrix-factorization-clustering.md
无监督聚类替代人工经验分类 已创建 notes/_topics/matrix-factorization-clustering.md

相关主题

从本书的主题进入跨书阅读,对照其他书籍的讲解。下方数量包含主题关联的全部卡片与书籍。

主题索引

数据分析、实验与因果

从数据里得出可行动的结论:用户行为与生命周期怎么建模、A/B 实验怎么设计才有效、观测数据下的因果推断能推到哪一步。

84 张卡片 · 13 本书

主题索引

经典算法与业务建模

分类、聚类、关联规则、主题模型、集成方法与矩阵分解各自的适用边界,以及推荐、征信、CTR 等业务场景里多模型怎样组合、为什么要看查准查全而不是只看准确率。

60 张卡片 · 12 本书

主题索引

机器学习模型可解释性

比较白盒模型、全局代理、LIME 与 SHAP 等解释方法的适用范围与局限,以及先预测后解释的分析框架。

19 张卡片 · 2 本书