机器学习笔记总结

米法· 米法· 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 1.7k累计阅读 1.8k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄8年
关注
原创 最新推荐文章于 2026-10-31 10:06:06 发布 1.7k 阅读 AI 写同款· GEO 优化 ›
Uplift模型系列一：评价指标 Qini 曲线是 uplift 模型评估中最重要的可视化工具之一，用于衡量模型在识别**“可说服者”（即对干预最敏感的个体）方面的能力**。它通过展示随着样本数量增加，模型预测的累积 uplift 效果来反映模型性能。横轴: 样本比例（从高到低按模型预测的 uplift 值排序后的累计样本比例）。纵轴: 累积 uplift 效果，表示干预组和对照组之间的净增量收益。AUUC 是 uplift 曲线下面积，用于量化 uplift 模型的整体性能。 阅读详情

一、监督学习

线性回归模型详解

线性回归——多重共线性

逻辑回归详解

机器学习笔记一——感知机

机器学习笔记二——k近邻

机器学习笔记——朴素贝叶斯

机器学习笔记三——决策树

决策树——缺失值处理

决策树——连续值处理

随机森林

机器学习笔记四——SVM

SVM面试常考问题

机器学习笔记五——EM算法与高斯混合模型

二、无监督学习

方差分析

聚类分析

KNN与Kmeans的面试题整理

PCA——主成分分析
在这里插入图片描述

降维方法之LDA

三、因果推断

因果推断学习笔记一

因果推断学习笔记二

因果推断学习笔记三——Uplift模型

四、调参

机器学习超详细实践攻略(10)：随机森林算法详解及小白都能看懂的调参指南

决策树补充+调参

XGBoost参数调优完全指南

五、样本不均衡问题

机器学习超详细实践攻略(21)：三板斧干掉样本不均衡问题之1——过（欠）采样

机器学习超详细实践攻略(22)：三板斧干掉样本不均衡问题之2——对正负样本设置不同权重

机器学习超详细实践攻略(23)：三板斧干掉样本不均衡问题之3——通过集成学习方法解决样本不均衡

六、数据处理

数据分析之缺失值处理（方法+代码）
在这里插入图片描述

数据分析–异常值处理

孤立森林

连续数据离散化

离散变量的编码方式

七、其它

模型融合之Boosting

GBDT算法原理以及实例理解

XGBoost面试题

二分类和多分类问题的评价指标总结

深入理解AUC

回归评价指标：MSE、RMSE、MAE、R2、Adjusted R2

该不该标准化和归一化？

各种机器学习算法比较

随机森林计算特征重要性的方法

收录于
机器学习

当前文章被收录于：

机器学习
26 篇文章 24 人学习

机器学习及实现

订阅专栏 查看详情
标签
#机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
Uplift模型评价指标全解析：从Qini系数到AUUC的避坑指南 本文深入解析Uplift模型的评价指标，重点对比Qini系数与AUUC的技术细节与业务应用。通过实际案例和代码示例，指导如何科学评估模型性能，避免常见误区，实现精准营销资源分配。特别适合从事个性化干预和精准营销的数据科学家和业务分析师参考。 阅读详情

相关推荐

Uplift模型系列二：Qini曲线与AUUC的实战对比分析

本文深入对比分析了Uplift模型的两大核心评价指标：Qini曲线与AUUC。通过实战代码与业务场景剖析，揭示了Qini系数侧重头部用户排序能力，而AUUC更关注整体净收益。文章指导读者如何根据高成本精准触达或低成本大规模运营等不同业务目标，选择合适的评估“罗盘”，以实现营销效果最大化。

weixin_29196613的博客 133

【数分】ali

AB测试是一种实验设计方法，用于比较两个或多个变体（A和B）的性能，以确定哪个变体在给定的指标上表现更好。在AB测试中，被测试的两个或多个变体被随机分配给不同的用户或用户群体。用户将以不同的方式暴露于不同的变体，例如网页设计、产品功能、广告展示等。通过收集和分析用户的行为数据，可以评估每个变体的效果，并最终确定哪个变体在给定的目标指标上表现更佳。

weixin_38716567的博客 496

营销增益模型（upflit）原理与应用

营销增益模型是一种非常实用的数据科学技术，可以帮助商家提高营销效率和

徐思孟的博客 4117

刷题日记：面试经典 150 题 DAY3

leetcode 面试经典150题

Crescenx的博客 1088

Uplift模型评估指标AUUC

因果推断技术在营销场景的主要应用就是基于Uplift Model来预测营销干预对个体转化概率的增益，通过增益大小识别营销敏感人群。增益大小，就是计算有干预 相对无干预的转化概率差异，即个体因果效应ITE。

公众号：瑞行AI 2842

UPLiFT：基于局部注意力机制的特征上采样技术解析

特征上采样是计算机视觉中的基础操作，直接影响图像重建和分割的质量。传统方法如双线性插值和转置卷积存在信息丢失问题，难以处理高分辨率图像的细节特征。UPLiFT创新性地引入局部注意力机制，通过动态计算邻域内像素的权重关系，显著提升了特征上采样的精度和效率。该技术在超分辨率重建和语义分割等任务中表现优异，特别是在医疗影像和自动驾驶场景下，能有效保持边缘细节。结合现代GPU的并行计算优势，UPLiFT实现了计算复杂度从O(N²)到O(N×K²)的优化，为实时图像处理提供了新的解决方案。

weixin_28686771的博客 283

机器学习笔记

机器学习

weixin_61576710的博客 2131

三款云电脑实测：ToDesk、青椒云、顺网云谁更适合AIGC新手？附详细配置对比

本文针对AIGC新手，深度实测了ToDesk云电脑、青椒云和顺网云三款云电脑服务。通过对比上手门槛、内置生态、操作引导及成本，发现ToDesk云电脑凭借一键启动、丰富预置模型和直观引导，为新手提供了最接近“开箱即用”的零门槛AIGC创作体验，是快速入门AI绘画的高效选择。

assembly8low的博客 1094

十大机器学习算法的一个小总结

在公众号看到来一篇不错的文章，讲解机器学习算法的，感觉挺好的，所以这里对常用的机器学习算法做一个小的总结， 然后根据学习李航老师的《统计学习方法》做得笔记，对这些算法进行补充。 简介   关于机器学习算法的研究已经获得了巨大的成功，哈佛商业评论甚至将数据科学家称为二十一世纪最具诱惑力的工作。 机器学习算法是在没有人为干涉的情况下，从大量的数据和历史经验中学习数据的结构并提升对某一目标的估计的算法。...

Miracle8070 1万+

手把手教你给H3C MSR路由器配置4G/5G上网（保姆级图文教程）

本文提供H3C MSR路由器配置4G/5G上网的保姆级图文教程，涵盖硬件准备、运营商适配、命令行配置、多运营商策略优化及信号故障排查等全流程。通过实测数据和典型场景分析，帮助用户快速实现4G/5G模块的部署与优化，提升网络稳定性和业务连续性。

weixin_28745067的博客 435

U8 API接口开发踩过的坑

U8 API接口开发踩过的坑

haiyang5233233的专栏 1655

最全最细机器学习笔记__吴恩达

吴恩达《Machine Learning》精炼笔记完整版，研一自用版，如果对大家有用，那我也很高兴，一起进步。

qq_45913945的博客 7911

CANOE DIVA 工程怎样在具体服务前增加前置条件

然后会在CANoe的Test Module视窗中发现一个跟系统条件相关的Test Module模块，在该模块中有生成跟系统条件相关的CAPL 脚本。这里需要根据你的实际项目进行更改，diva工程加载到canoe的工程的时候，会同步加入你创建的cdd文件，这里示例的ABS_ESP 就是你的cdd的ECU命名，后面就是具体的前置条件服务。4、配置完成后，测试用例就会如下图Trace窗口所示，在每一次10 02请求之前都会调用CAPL Function的PreconditionCheck函数中定义的脚本。

weixin_45940007的博客 1962

智能营销增益（Uplift Modeling）模型——pylift库的使用（二）

上一篇【智能营销增益（Uplift Modeling）模型——模型介绍（一）】仔细介绍了理论部分，本篇主要是算法库pylift的介绍。 在【营销增益模型实战-Uplift Model原理及应用】一文中提到： 目前的算法包虽然可以直接使用，但速度慢，定制性差 由于Uplift模型还未被广泛使用，业界对于该技术的定义混乱，每个领域甚至每个公司都会有自己的魔改版本，甚至连该方法的名称都没有得到统一，举几个常见的例子： Estimating heterogeneous treatment effects (E

素质云笔记 1万+

stable diffusioncontrolNet 预处理器/模型的下载及安装使用教程

首先说明，controlNet 的模型 不同于stable diffusion 模型，这一点一定要区分清楚。下面提供多个ControlNet 预处理器+ 专用模型的百度网盘下载链接，都是由群友整理贡献，但各自包含的版本不同，大家可自行选择。推荐下载紫色链接内的模型，fp16版文件更小，稍微新一些的controlnet插件还添加了对control-lora的支持（注意，要求controlnet插件的版本比12月16号新（1.1.423以上）才能正常识别），推荐下载；

代码简单说 Vue、JAVA、PHP、Node.js 熟练运用，接口、架构、性能全搞定。 3384

STM32串口编程基础知识讲解

本篇文章给大家介绍一下串口的基础编程知识，这些知识是属于串口的理论知识，在开始学习编写代码的时候必须要掌握这些基本的知识点。本篇文章讲解了串口的基本概念知识，大家在学习编写代码时将其掌握才能更好的理解代码。

m0_49476241的博客 1207

Uplift模型-通俗版

数学上就是估计每个个体的它解决的问题是：✔ 该给谁干预？✔ 干预能带来多少提升？✔ 如何最优地分配资源？

smart boy 1179

AI问数，智慧赋能：基于大语言模型的数据播报员应用实践探索

AI问数技术正在改变企业与数据交互的方式，它以自然语言为桥梁，让数据不再是少数专家的专利，而是成为所有业务人员的决策伙伴。这不仅是技术的创新，更是管理理念的革新。在数字化转型的关键阶段，企业应积极拥抱AI问数技术，通过降低数据使用门槛、提升数据利用效率、释放数据潜在价值，实现真正的数据驱动决策，为企业的高质量发展注入源源不断的智慧动能。AI问数，正在开启一个数据普惠的新时代。

getusushu的博客 64

[转]增益模型（Uplift Modeling）的原理与实践

uplift增益模型

Toby的博客 2553

基于ESP32的智能厨房控制系统开发

随着智能家居技术的发展，越来越多的家庭开始将传统的厨房设备进行智能化改造，以提高烹饪效率和生活质量。智能厨房控制系统是物联网（IoT）应用的重要组成部分，它将家居设备、传感器和网络结合起来，提供便捷的控制与监测功能，使厨房的烹饪过程更加智能、便捷和安全。基于ESP32的智能厨房控制系统不仅能够实现远程控制和监控，还能实现温度、湿度、烹饪状态的实时反馈，甚至具备智能化的推荐和自动化控制能力。ESP32是一款功能强大、集成度高的嵌入式开发平台，具有Wi-Fi和蓝牙双模通信能力，广泛应用于物联网设备的开发。

2201_76125393的博客 657

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

auuc 评估指标_广告中增益模型理解

由于工作的需要，广告增益越来越进入到我们的视野当中，收益永远是广告主评价广告投放的重要标准，但是这种收益也慢慢被认为有两种。一种是广告投放所带来的直接收益，比如用户A广告投放后的cvr为3%，用户B广告投放后的cvr为2%，我们就会给A用户投放广告。另一种是广告投放本身所带来的收益，例如用户A广告投放之后cvr是3%，投放之前cvr2.5%,那么我们认为广告本身所带来的收益为0.5%，用户B广告投...

weixin_34820733的博客 3567

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具，可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

数据分析36计(七)：营销增益模型(uplift model)如何识别营销敏感用户群，Python实现...

目前关于数据分析系列文章已更新到第7篇，其中5篇文章都是关于用户行为分析的内容。文章已收到【木东居士】和【俊红的数据分析之路】等公众号中数据分析大佬们的认可和支持。很多朋友在后台问我写的...

Pylady的博客 2383

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等，可在创建的窗口进行控制

efm32 入门.pdf

本PDF共计22页，介绍的是操作驱动API，下载与否自己斟酌。

Uplift：高效数据提升库指南

Uplift：高效数据提升库指南 项目介绍 Uplift 是一个旨在提升数据分析和机器学习项目效率的开源工具。它专注于处理因果推理任务，特别是在市场营销分析、个性化推荐等场景中，通过识别 treatment（干预）对 outcome（结果）的影响，帮助开发者和分析师更好地理解不同策略的效果差异。Uplift模型的设计使得用户能够评估并优化基于特定群体的策略效果，进而做出更加精准的数据驱动决策。 项...

gitblog_00036的博客 486

Uplift Modeling：精准营销与AB测试的进阶实践

因果推断是数据科学中的核心方法论，通过分析干预措施与结果之间的因果关系，帮助决策者制定更精准的策略。Uplift Modeling作为因果推断的重要技术，专注于量化营销干预对用户行为的净效应，其核心在于计算个体处理效应(ITE)。相比传统AB测试的群体平均效果评估，该技术能识别响应型用户、沉睡用户和反作用用户三大群体，在电商优惠券投放、内容推荐等场景中，典型可实现30%以上的成本节约。工程实践中需特别注意特征工程（如预干预特征选择）和模型评估（Qini系数/AUUC指标），结合开源框架如EconML或商业工

weixin_29185493的博客 224

基于R与Python的电动汽车客户销售策略：从数据清洗到Uplift建模的完整实战

客户分群与购车意向预测是数据科学在精准营销中的核心应用。其原理在于通过聚类分析（如K-Means）识别具有相似特征的客户群体，并运用分类算法（如XGBoost）预测个体的购买概率，从而将海量客户数据转化为可行动的商业洞察。这项技术的价值在于能够量化客户价值，实现营销资源的精准投放，显著提升转化率与投资回报率，广泛应用于金融、电商及汽车等行业的客户生命周期管理。本文以电动汽车销售策略研究为具体场景，深入探讨了如何协同使用R语言进行统计可视化与Python进行机器学习建模，构建从特征工程、模型训练到策略量化评估

weixin_34008784的博客 341

一文拆解数据运营效果度量的5大核心维度

数据度量的终极目标，不是 “看数据、报报表”，而是 “用数据指导决策、用复盘推动优化”—— 让数据运营从 “玄学” 走向 “科学”，从 “盲目投入” 走向 “精准落地”，最终实现 “数据驱动业务增长” 的良性循环。

legend24and8的博客 546
上一篇： 概率论与数理统计复习笔记总结
下一篇： 机器学习笔记2.5——朴素贝叶斯法
点赞 2
评论 0
书签 书签 35
米法·
米法·
博客等级 码龄8年 179粉丝 116原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值