镜像：sudo docker image pull python:3.6：拉取 python3.6 镜像sudo docker images查看已经拉取的 python 镜像创建容器：查看容器：sudo docker ps -a创建一个临时的容器：sudo docker run -it python:3.6 /bin/bash创建后台运行的容器：sudo docker run -it -d --n

向量 A = (x1, y1)，向量 B = (x2, y2)向量欧式距离：向量点积：向量的模：向量归一化：向量除以模长，也就是 A / |A|向量余弦相似度：也相当于向量归一化后的点积 A*B / |A| * |B|== A / |A| * B / |B|向量余弦距离：用1减去余弦相似度 1 - cos(A, B)。余弦距离的取值范围为[0,2]归一化后的向量的余弦距离和欧氏距离是等价的，参考：

特征 ndarray 转 tensor torch.Tensor(train_examples[0][0])报错：TypeError: new(): data must be a sequence (got numpy.float64)需要改成：torch.Tensor(train_examples[0][0].reshape(1, n_feature))

一、uplift 思想（因果推断）常用的点击率预测模型，称为响应模型（response model），即预测用户看到商品（Treatment）后点击（购买）的概率。但在营销的发放优惠券这种场景下，很自然会想到，用户是本来就有购买的意愿还是因为发放了优惠券诱使用户购买？对有发放优惠券这种有成本的营销活动，我们希望模型触达的是营销敏感的用户，即发放的优惠券促使用户购买，而对优惠券不敏感的用户——无论是

参考：https://github.com/uber/causalml依赖：https://github.com/uber/causalml/blob/master/requirements.txt安装：sudo pip install causalml报错：ImportError: cannot import name ‘factorial’问题解决：sudo pip install stats

安装 docker已经按照：docker 命令 教程，安装完成 docker，并创建了包含完整 requirement 的镜像：py_container_1工程上传首先将本地（线上）工程目录 zip 压缩，并上传到 linux 实体机，后解压缩，进入到工程目录：cd /home/q/www/python_project_1Dockerfile 文件创建在同级目录下创建 Dockerfile 文件（

一、系统平台开发工具：Eclipse java Mars数据库 MySQL server，Navicat可视化工具操作系统：win10百度云链接：https://pan.baidu.com/s/1SIWR75NRIh8sSL0oV7uZgA提取码：4y44二、数据库规划1.任务陈述：图书馆信息管理系统数据库用以收集、存储书籍信息、人员(读者、图书管理员...

一、系统平台开发工具：Eclipse java Mars数据库 MySQL server，Navicat可视化工具操作系统：win10百度云链接：https://pan.baidu.com/s/1SIWR75NRIh8sSL0oV7uZgA提取码：4y44二、数据库规划1.任务陈述：图书馆信息管理系统数据库用以收集、存储书籍信息、人员(读者、图书管理员...

一、系统平台开发工具：Eclipse java Mars数据库 MySQL server，Navicat可视化工具操作系统：win10百度云链接：https://pan.baidu.com/s/1SIWR75NRIh8sSL0oV7uZgA提取码：4y44二、数据库规划1.任务陈述：图书馆信息管理系统数据库用以收集、存储书籍信息、人员(读者、图书管理员...