摘要：
一、索引 1.切片的用法 用于取出两个索引的中间值，返回会包含切片的两个端点，如下所示： s = pd.Series([1, 2, 3, 4, 5, 6], index=['a', 'b', 'a', 'a', 'a', 'c']) s['b':'c'] Out[133]: b 2 a 3 a 4 阅读全文
摘要：
一、文件读取和写入 1. 文件读取 csv：pd.read_csv(filename) txt ：pd.read_table(filename) excle：pd.read_excel(filename) 示例： import pandas as pd df_csv = pd.read_csv('m 阅读全文
摘要：
一、内容总结 本次打卡任务主要记录自己不熟的知识点，为后续学习pandas做准备！ 1.python基础 比较关键的几个点： 条件赋值语句 基本形式为：values = a if 某个条件 else b，例如： values = 1 if 100>99 else 0 values Out[2]: 1 阅读全文
摘要：
排序模型 先通过召唤阶段将规模缩减，然后使用机器学习模型来对构造好的特征进行学习。再对测试集进行预测，得到测试集中的每个候选集用户点击的概率，返回点击概率最大的topk个文章，作为最终的结果。 排序阶段选择了三个比较有代表性的排序模型，它们分别是： LGB的排序模型 LGB的分类模型 深度学习的分类 阅读全文
摘要：
具体的代码见：http://datawhale.club/t/topic/201 特征构造很重要的是要结合用户的历史点击文章信息。 往往用户的最后一次点击会和其最后几次点击有很大的关联。 所以我们就可以对于每个候选文章， 做出与最后几次点击相关的特征如下： 候选item与最后几次点击的相似性 阅读全文
摘要：
t检验通常分为三种，分别是单样本t检验、双样本t检验和配对样本t检验。本文基于python的scipy.stats函数对每种t检验进行了介绍和实验。 一、t检验介绍 无论哪种t检验，都有以下的基本前提条件： 样本数据符合正态分布 各个样本之间是独立的 步骤： 提出原假设和备择假设 构造t统计量 计算 阅读全文
摘要：
具体代码过多，详情见：http://datawhale.club/t/topic/198 一、多路召回介绍 采用不同的召回策略，分别召回商品集，然后再进行排序。下图是多路召回的示意图： 本次比赛采取的多路召回为5路召回，分别是： Youtube DNN 召回 基于文章的召回 文章的协同过滤 基于文章 阅读全文
摘要：
导入相关包 import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns plt.rc('font', family='SimHei', size=13) import os, 阅读全文
摘要：
天池新闻推荐比赛1：赛题理解+baseline 一、比赛信息 比赛链接： https://tianchi.aliyun.com/competition/entrance/531842/information 比赛简介： 赛题以预测用户未来点击新闻文章为任务，该数据来自某新闻APP平台的用户交 阅读全文