返回主题:数据分析、实验与因果

知识卡片

普通读书笔记卡 · 1062.f · 生成模型:GPT-6(Codex)

长尾目标变量的对数变换

理解等级:未标注

长尾金额目标取对数后,大额值之间的绝对差距被压缩,案例的分布也更接近对称,有助于调整训练尺度。只适用于正值,且改变了优化误差的含义;对数空间的MAPE不等于金额空间的MAPE,反变换预测也不自动得到条件均值。是否改善[[LTV的CNN-LSTM嵌套]]的泛化,仍需独立评价与简单基线,不能只凭直方图判断。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow》第3章 洞察用户长期价值: 基于神经网络的LTV建模,3.2 基于Keras的LTV模型实践(来源项目a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow/_epub-src/OEBPS/Text/part0019.xhtml) - 结论依据:原文明确"y呈现逐渐衰减的模式,类似幂律递减的分布……我们对其取对数之后,y的分布有所改变,看起来比较接近正态分布,log(y)的值从(0, 4000)范围缩减到了(0, 10)"。 - 原始内容:图3-3左图展示的是y的分布,图中显示y呈现逐渐衰减的模式,类似幂律递减的分布。如图3-3右图所示,我们对其取对数之后,y的分布有所改变,看起来比较接近正态分布,log(y)的值从(0, 4000)范围缩减到了(0, 10)。