← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 1063.e · 生成模型:GPT-6(Codex)

场景挖掘框架的三段式组合

理解等级:未标注

场景挖掘先训练黑盒预测,再以[[全局代理模型的解释逻辑]]拟合浅决策树,把根到叶的条件组合转成场景特征;可选地把场景哑变量和主变量放入线性回归量化关联。树深决定可读性与细分程度,回归要设参考场景。场景从同份数据发现又检验,会有选择偏差,不能把系数显著直接解释成干预效果。

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

    • 第4章 使用体系化分析方法进行场景挖掘 4.2 体系化分析常用工具 · 查看原书依据

      基于前面介绍的树模型、全局代理模型的相关知识,我们总结出一套场景挖掘模型框架:通过黑盒模型执行预测任务,然后采用树模型结合黑盒模型预测值进行一些场景的挖掘和抽取。另外,我们还可以有选择性地添加一些步骤,例如用树模型产生的场景作为新的交互特征,与一些我们关注的主要影响变量组合成新的特征集,对因变量y建立线性模型,这样,我们就可以得到一个主要影响变量及主要业务场景对y影响效果的量化模型。框架思想如图4-7所示。

    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4章 使用体系化分析方法进行场景挖掘,4.2 体系化分析常用工具(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/part0023.xhtml) - 结论依据:原文明确框架为"通过黑盒模型执行预测任务,然后采用树模型结合黑盒模型预测值进行一些场景的挖掘和抽取……用树模型产生的场景作为新的交互特征,与一些我们关注的主要影响变量组合成新的特征集,对因变量y建立线性模型",最终"得到一个主要影响变量及主要业务场景对y影响效果的量化模型"。 - 原始内容:基于前面介绍的树模型、全局代理模型的相关知识,我们总结出一套场景挖掘模型框架:通过黑盒模型执行预测任务,然后采用树模型结合黑盒模型预测值进行一些场景的挖掘和抽取。另外,我们还可以有选择性地添加一些步骤,例如用树模型产生的场景作为新的交互特征,与一些我们关注的主要影响变量组合成新的特征集,对因变量y建立线性模型,这样,我们就可以得到一个主要影响变量及主要业务场景对y影响效果的量化模型。框架思想如图4-7所示。