当了解了大部分AB，再来看这篇，啪就通了，很快啊

本篇文章都是Sequential应用的例子如果想要了解模型，可以先看一下这篇文章：Sequential模型详解下面是样例展示：这里有几个可以帮助你开始的例子！在 examples 目录 中，你可以找到真实数据集的示例模型：CIFAR10 小图片分类：具有实时数据增强的卷积神经网络 (CNN)IMDB 电影评论情感分类：基于词序列的 LSTM Reuters新闻主题分类：多层感知器 (MLP) MN

一、实验效果不显著怎么办 为了使A/B实验得到统计显著的结果，有三个思路：上线对指标影响较大的策略，然而多数情况下这种策略可遇而不可求；增加实验的样本量，应该是普遍用的最多的，可通过提高实验流量配比或者让实验持续更长时间来实现；缩减指标的方差，根据前面样本量计算和显著性检验介绍的公式可以知道，指标方差越小，所需样本量越小，也越容易统计显著；微软2013年发表过一篇论文（文末链接），介绍了一种利用实

图标、图例

震惊AB显著性可以这样判断

一、时间序列的定义时间序列是将统一统计值按照时间发生的先后顺序来进行排列，时间序列分析的主要目的是根据已有数据对未来进行预测。一个稳定的时间序列中常常包含两个部分，那么就是：有规律的时间序列+噪声。所以，在以下的方法中，主要的目的就是去过滤噪声值，让我们的时间序列更加的有分析意义。二、时间序列的预处理1、平稳性检验：拿到一个时间序列之后，我们首先要对其稳定性进行判断，只有非白噪声的稳定性...

逐步回归分析是以AIC信息统计量为准则，通过选择最小的AIC信息统计量，来达到删除或增加变量的目的。R语言中用于逐步回归分析的函数 step()drop1()add1()1.载入数据 首先对数据进行多元线性回归分析tdata<-data.frame(x1=c( 7, 1,11,11, 7,11, 3, 1, 2,21, 1,11,10),x2=c(26,2...

皮尔逊系数在统计学中，皮尔逊相关系数( Pearson correlation coefficient），又称皮尔逊积矩相关系数（Pearson product-moment correlation coefficient，简称 PPMCC或PCCs）。用于衡量两个变量X和Y之间的线性相关相关关系，值域在-1与1之间。python计算方法有三种方式根据公式手写def cal_pccs(x, y,

regexp_extract语法:regexp_extract(string subject,string pattern,int index)返回值: string说明：将字符串subject按照pattern正则表达式的规则拆分，返回index指定的字符。第一参数string subject：要处理的字段第二参数string pattern:需要匹配的正则表达式第三个参数int index:0

一、数据读入：%pythonimport xgbt_model%pythonimport pandas_utils'''titanic数据集字段说明：Survived:0代表死亡，1代表存活【y标签】Pclass:乘客所持票类，有三种值(1,2,3) 【转换成onehot编码】Name:乘客姓名 【舍去】Sex:乘客性别 【转换成bool特征】Age:乘客年龄(有缺失) 【数值特征，添加“年龄是否