陈然的公开内容

方法是有不少的，比较常见的一个方向是做方差缩减（Variance Reduction[1]）。这里分享一篇来自 Netflix KDD 2016 年的文章 Improving the Sensitivity of Online Controlled Experiments: Case Studies at Netfli...

机器学习工程师小月最近一直在研究新的深度学习算法。相对于现有的算法框架，新算法要求兄弟团队一块搭建了不少新的框架，也选用了一些以前不太熟悉的库。经过了三个月的准备，终于可以上线AB测试了。 但是AB测试效果老是不好 经过了几个月的迭代，效果依然不佳，仅仅只比手动排序更好，与现有的模型相比效果差距甚远。离线数据 AUC，...

大部分答案都在写公式，我来聊聊直觉上的东西。 设想一下你要做一个分类器，区分狗和炸鸡。首先假定我们只有两个数据，那么这条线会很容易画，自然而然就会画在正中间。 这个时候，我们加入一个新的数据，这个狗跟现有的数据差别很大。这个时候，分类线应该画在哪里？ 这就是 SVM 跟其他线性模型很不一样的地方了，SVM 这条分类线不...

这就是典型的 overfitting 嘛，自欺欺人地刷数据。有限数据，天赋异禀，看着训练集，靠着随机函数丢硬币丢出完美符合的测试集的 if-else，拿到完美指标。刷就是了。 不过这是所有公开数据集都难以避免的，毕竟所有的数据都开放了，只要数据有限，不管怎么分，总有可能过拟合。所以刷数据的论文主要是看个 insight...

K-NN 算法好啊，特别是深度学习出来后万物皆可 Embedding，几乎啥问题都可以转换成为两者 Embedding 的相似度问题，不管是分类、回归、排序等等，Embedding + K-NN 打分简单易行。 而且 K-NN 线上服务也特别好做，简单，速度快。如果 Embedding 数量特别多，也有很多近似 K-N...

有业务能上机器学习模型了，算法工程师小月开心地不行。毕竟作为一名机器学习工程师，口袋子藏着无数陈年老模型：线性模型、树模型、深度模型、增强学习，要啥有啥。业务一来，恨不得立刻就掏出最炫酷的模型，一步到位。 但是，第一个模型，一定要简单 正当小月兴奋着呢，经理大圆泼了一瓢冷水，“第一个模型，一定要简单”。 第一个次迭代往...

一个新的产品需求来了，产品经理总会提前很久就来找机器学习的团队，讨论能不能在第一版上线中就加入“神奇的”机器学习排序算法。 “我也是想呢，但是不行“。 我们当然想着用机器学习去帮助每一个产品，但是在实践中，最早的版本不应该考虑机器学习算法。 原因 背后的原因有很多。 第一当然是数据。不管是有监督还是无监督算法，或多或少...

最近在团队分享了旅游网站 Booking 在 KDD 2019 年的文章150 Successful Machine Learning Models: 6 Lessons Learned at Booking.com，里面提到了一些有意思的“坑”，分享一下。 Booking.com 网站界面 线上线下结果不一致 做机器...

因为在高维空间中的平均，会依然离原来的点特别近，离其他的点特别远？ 我们假设这样一个情形，在空间中取4个点{A1..A4}，取平均得A‘可以看作 User Embedding，再在空间中随机生成100个点{B1..B100}。我们计算A' 最近的点是在 {A1..A4} 中还是在 {B1..B100} 中。 在二维空间...

机器学习入门真的好难，我也经常被问到这个问题，但是我并没有特别好的回答。 对于新手而言，有四座大山：数学基础、算法模型、机器学习应用、常见工具。市面上常见教材都主要关注算法模型，而很难兼顾另外几个方面，所以学习的过程中最常见的问题就是这公式是咋推的？我学这个有啥用？模型懂了咋实现？ 一本教材解决不了所有问题，机器学习的...

这个问题太好了！记得这大概是个三年前的问题，每年都会有新的答案让我持续学习。三年多前我作为最早的机器学习工程师之一加入 Tubi，从零开始设计招聘题目和流程，搭建团队，陆陆续续也面试了大好几百次了。这里的答案大多聊的是常见的机器学习面试题目，我提供一个不一样的角度，从业务负责人的角度聊聊如何根据业务需要设计题目，大家也...