当分析一个项目是否可行，或多个决策中挑选出最优的一个进行执行，对以往的项目或人员进行绩效评价时，我们需要对一项业务或人员的绩效（效率）进行打分。这就是绩效（效率）评价的目标。假设有下面一个案例，我们对一个进行产品进行用户增长的广告投放，假设我们有多个广告承接商可以选择。具体的我们应该选择哪一个广告承接商？这就可以用一些绩效评价的方法解决，可用户绩效（效率）评价的方法非常多，这里只介绍层析分析法，.

本文主要对以下指标的计算和解释进行阐述，并使用案例说明，最后利用python编写代码进行计算：risk ratios and rate ratios（风险比率和比率比率，RR）risk difference and rate difference（风险差异和利率差异， RD）attributable proportion (attributable risk percent) for th...

上一篇文章写了数据分析系列：归因分析原理、案例和python代码。但是现实中用户所归属的渠道可能很多，比如用户在网上商城的首页点击了一个产品，又在其他公众号的相关推荐点击了此产品，最终进行了下单，那这个产品的订单应该归属于哪个渠道？这就是归因分析中的多渠道归因。对于多渠道归因，有一些启发式的归因方法，比如“最终点击”（将订单归属于最后一个渠道）、“非最终点击”（归属于倒数第二个渠道）、“首次点击.

本来想自己总结一下关于数据分析的一些东西，包括漏斗分析、存留分析、用户粘性、用户价值（rfm）和用户画像分析等方面的内容。但是网上资料十分多，自知肯定没有那些资深大牛写得好，而且自己写东西时间有限，想多总结一些关于模型和统计方面的东西。所以还是直接转载别人表述的比较清晰的文章吧，在此基础上加入一些自己的理解和注释。一、什么是用户画像？用户画像是通过对用户各类特征进行标识，通过标识给用户贴上各类..

这本书很符合分析中的二八定律，前面20%的内容，蕴含了整本书80%的内容。在数据的时代，我们希望我们的产品发展和用户增长都是数据驱动的。确保产品服务和营销有依据可寻。依据数据分析和数据挖掘的产品迭代在理论上是不断变优的。具体的，我们的数据分析结果需要深入，全面，并且最好符合认知才能正确的指导产品发展。一、什么指标是好的数据指标衡量一个指标的好坏的重要标准，是指标是可以比较的，并且简单易懂。...

先概括一下：本文主要阐述了A/Btest中组间差异的比率检验（单比率检验，双比率检验），统计功效和，以及何通过显著性水平还有统计功效反实验所需选样本量。根绝这些理论使用python对着三个功能封装成类，进行实现一、A/B test在产品发布，运营等场景我们都会遇到A/B test。A/B test通常为同一个目标，设计两种方案，将两种方案随机投放市场中。A/B test让组成成分相同（相似）...

本文主要整理和参考了李宏毅的强化学习系列课程和莫烦python的强化学习教程本系列主要分几个部分进行介绍强化学习背景介绍SARSA算法原理和Agent实现Q-learning算法原理和Agent实现DQN算法原理和Agent实现(tensorflow)Double-DQN、Dueling DQN算法原理和Agent实现(tensorflow)Policy Gradients算法原理...

前面用Python底层编写进行计量经济分析（一）：多元线性回归（参数估计、T检验、拟合优度、F检验）写过在多元线性回归时的参数检验方法t检验和方程整体的F检验。在分析中和实际情况中，我们可能会假定因素之间可能存在一定的约束条件。我们在意的不仅是x对y的影响，也关心我们的约束条件是否成立。于是产生了检验线性约束条件是否成立的F检验、似然比检验（LR）、沃尔德检验（Wald）和拉格朗日乘子检验（LM）

前面用Python底层编写进行计量经济分析（一）：多元线性回归（参数估计、T检验、拟合优度、F检验）写过在多元线性回归时的参数检验方法t检验和方程整体的F检验。在分析中和实际情况中，我们可能会假定因素之间可能存在一定的约束条件。我们在意的不仅是x对y的影响，也关心我们的约束条件是否成立。于是产生了检验线性约束条件是否成立的F检验、似然比检验（LR）、沃尔德检验（Wald）和拉格朗日乘子检验（LM）