知识卡片
流量预测场景的简约诉求
在广告投放的流量预测场景里,小明和小李两家女装店在A、B渠道的流量占比、各渠道获取比例都已知,平台合作到期后只剩B渠道,要判断哪家店后续流量更高。面对这个问题,学完决策树的读者容易想到收集大量样本与特征去建一棵决策树;但若目标只是弄清哪家流量更高,就有无更省力的办法?这引出了朴素贝叶斯的价值:它能只借助现有信息、用概率直接给出判断,无需堆积大量样本和特征维度。这个场景的启发是:算法选择应匹配问题目标,当只需一个倾向性结论时,轻量概率模型往往比重构建模更高效。边界在于,若需要精确刻画人群与渠道的复杂交互,简单概率方法仍不够。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 垃圾邮件克星:朴素贝叶斯算法 6.1.1 一个流量预测的场景 · 查看原书依据
如果以这种方式做,我们需要收集大量的样本数据以及特征维度,才能构建一棵比较靠谱的决策树。如果我们的目的仅仅是弄清楚哪家店的流量会更高,那有没有更简单的方法,只借助现有的信息就能解决这个问题呢?
参考来源
- 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第6章《垃圾邮件克星:朴素贝叶斯算法》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00011.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:原文用“如果我们的目的仅仅是弄清楚哪家店的流量会更高,那有没有更简单的方法,只借助现有的信息就能解决这个问题呢”点明场景诉求,并指出决策树需要大量样本与特征维度,从而引出更简单的朴素贝叶斯。
- 原始内容:如果以这种方式做,我们需要收集大量的样本数据以及特征维度,才能构建一棵比较靠谱的决策树。如果我们的目的仅仅是弄清楚哪家店的流量会更高,那有没有更简单的方法,只借助现有的信息就能解决这个问题呢?