机器学习23事

今天来聊聊非常规损失函数。在常用的交叉熵，均方误差之外，针对数据长尾，标签噪声，数据不均衡等问题有更适用的损失函数。第一章我们介绍，当标注标签存在噪声时可以尝试的损失函数

上一章我们介绍了分类指标计算，这一章我们聊聊实战应用中指标的使用。包括样本Imbalance对指标的影响，分类模型的概率是用于排序还是无偏估计等等

在解决分类问题的时候，可以选择的评价指标简直不要太多。但基本可以分成两2大类，分别是某模型阈值下的准召，和模型在各个阈值下的综合表现~

上一节我们尝试用Wilson区间估计来处理小样本估计问题，但本质上它只是给估计加上了置信区间。这一章我们尝试用贝叶斯先验从另一个方向来解决小样本的问题

上一章我们提出了HackerNews和Reddit打分算法的问题，这一篇我们就其中2个问题展开讨论：包括浏览量小点击率不置信的问题和如何综合浏览量和点赞量~

一直在关注可解释领域，因为确实在工作中有许多应用，这一章会梳理机器学习和深度学习常用的模型可解释方案以及相关的tutorial，持续更新中~