AB實驗人群定向HTE模型1 - Causal Tree
這篇是treatment effect估計相關的論文系列第一篇所以會啰嗦一點多給出點背景。 論文 Athey, S., and Imbens, G. 2016. Recursive partitioning for heterogeneous causal effects. ...
原文：AB實驗人群定向HTE模型2 - Causal Tree with Trigger
這篇論文是在 Recursive Partitioning for Heterogeneous Causal Effects 的基礎上加入了兩個新元素： Trigger：對不同群體的treatment選擇個性化閾值。 E.g優惠券力度，紅包金額 新的Node Penalty: 旨在增強模型generalization 論文 C. Tran and E. Zheleva, Learning trig ...
2019-10-22 10:32 0 515 推薦指數：
相關推薦
AB實驗人群定向HTE模型4 - Double Machine Learning
Hetergeneous Treatment Effect旨在量化實驗對不同人群的差異影響，進而通過人群定向/數值策略的方式進行差異化實驗，或者對實驗進行調整。Double Machine Learning把Treatment作為特征，通過估計特征對目標的影響來計算實驗的差異效果 ...
AB實驗人群定向HTE模型5 - Meta Learner
Meta Learner和之前介紹的Causal Tree直接估計模型不同，屬於間接估計模型的一種。它並不直接對treatment effect進行建模，而是通過對response effect(target)進行建模，用treatment帶來的target變化作為HTE的估計。主要方法有3種 ...
AB實驗的高端玩法系列1 - AB實驗人群定向/個體效果差異/HTE/Uplift Model 論文github收藏
一直以來機器學習希望解決的一個問題就是'what if'，也就是決策指導： 如果我給用戶發優惠券用戶會留下來么？ 如果患者服了這個葯血壓會降低么？ 如果APP增加這個功能會增加用戶的使 ...
【定向系列】4：人群包基礎操作指南·上
作者 | 寧阿姨 責編 | 一點也點 適合的定向能夠幫助計划快速通過冷啟動。 針對現在冷啟動難通過的問題，人群包是非常好用的工具。人群包能夠精確到一個用戶“是或否”的行為，一個用戶展示、點擊過幾次你的廣告，是信息流里最精准的定向，也是頭條和廣點通最好用的定向。 關於人群包的教程很多，但人群 ...
AB實驗的高端玩法系列2 - 更敏感的AB實驗, CUPED！
背景 AB實驗可謂是互聯網公司進行產品迭代增加用戶粘性的大殺器。但人們對AB實驗的應用往往只停留在開實驗算P值，然后let it go。。。let it go 。。。 讓我們把AB實驗的結果簡單的拆解成兩個方面: \[P(實驗結果顯著) = P(統計檢驗顯著|實驗有效)× P(實驗有效 ...
【定向系列】5：頭條人群包高階玩法，看這篇就夠了
作者 | 寧阿姨 責編 | 一點也點 上一篇我們講了人群包的入門操作： 【新手友好】人群包基礎操作指南 這篇我們來看一下人群包的高級玩法，也是定向系列的最后一篇。 01標簽 標簽是頭條整個定向體系重要的依托方式，從大的類別開始一級、二級往下逐一做細分。 依據標簽 ...
js實現事件模型bind與trigger
function Emitter() { this._listener = [];//_listener[自定義的事件名] = [所用執行的匿名函數1, 所用執行的匿名函數2] } / ...