相关文章推荐
小百科  ›  使用Match命令来估计二元结果变量中的ATT的倾向得分匹配 -
关系逻辑 逻辑回归 概率计算 回归模型
低调的风衣
2 月前
文档 建议反馈 控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
发布
精选内容/技术社群/优惠产品, 尽在小程序
立即前往

使用Match命令来估计二元结果变量中的ATT的倾向得分匹配

是一种在实证研究中常用的方法，用于评估某个处理对于特定结果的因果影响。ATT代表平均处理效应（Average Treatment Effect on the Treated），是指在接受处理的个体中，处理对于结果的平均因果效应。

倾向得分匹配是一种非随机化实验设计的方法，通过将接受处理的个体与未接受处理的个体进行匹配，以消除处理选择的偏倚。Match命令是一种常用的倾向得分匹配方法，它基于个体的特征变量，通过计算倾向得分来进行匹配。

倾向得分是一个衡量个体接受处理的概率的得分，可以使用各种方法来估计，例如逻辑回归、梯度提升树等。Match命令通过计算个体之间的倾向得分差异，将接受处理的个体与未接受处理的个体进行匹配。

倾向得分匹配的优势在于可以减少处理选择引起的偏倚，提高因果推断的可靠性。它可以在非随机化实验设计中使用，帮助研究人员更准确地评估处理的因果效应。

倾向得分匹配在许多领域都有广泛的应用场景，例如教育、医疗、社会科学等。在教育领域，可以使用倾向得分匹配来评估某个教育政策对学生学业成绩的影响；在医疗领域，可以使用倾向得分匹配来评估某种治疗方法对患者生存率的影响。

腾讯云提供了一系列与云计算相关的产品，可以支持倾向得分匹配的实施。例如，腾讯云的人工智能服务可以用于计算个体的倾向得分；腾讯云的数据库服务可以用于存储和管理匹配所需的数据；腾讯云的服务器运维服务可以确保匹配过程的稳定性和可靠性。

更多关于腾讯云相关产品和产品介绍的信息，您可以访问腾讯云官方网站：https://cloud.tencent.com/

相关搜索: 使用preg_match_all获取变量中字符串模式的所有匹配项 在Watson Discovery API中，我应该使用哪个结果来确定最相关的文档:得分还是置信度？ 如何在Linux bash shell脚本中使用curl命令中的变量来发送带有文件的post请求？ 如何告诉spring boot根据服务器加载哪些属性文件？ 订阅MailChimp列表:不支持内容类型 在Google Sheets中创建顺序自动生成in的公式 注销后未重定向到主页 Solana web3.js设置mint和freeze权限为null 使用v3接口仅从YouTube检索videoIds <Entry.Behaviors>在ListView ItemTemplate中不起作用
相关搜索:
页面内容是否对你有帮助？
有帮助
没帮助

相关· 内容

教你更科学地花钱：因果推断在增长业务ROI量化评估上 的 应用

(还有一种常用 的 方法——PSM 倾向 性 得分 匹配 ，经对比，PSM 倾向 性 得分 匹配 方法能够处理 的 数据量在几w级别，且随着数据量 的 增加计算效率降低很快，甚至出现计算不出 结果 的 情况，故推荐 倾向 性 得分 加权 的 方法)。...二 因果评估方法 倾向 性加权 得分 从整体用户群 中 随机抽样，分成两组人群——实验组：参与活动用户；控制组：未参与活动用户，带入 二元 逻辑回归模型进行迭代，计算得到 倾向 性 得分 P，按照 P 计算权重系数 W 用于均衡控制组人数分布...因果效应 ATT 、ATE 和 倾向 性 得分 的 关系如下： 这里 的 治疗组即为实验组，ei 即为通过模型计算出 的 概率 得分 。 ATT ： 至此，我们就计算出了权重系数 w。...03迭代优化逻辑回归模型， 计算概率P、权重系数w 通过常用 的 逻辑回归算法计算 倾向 性加权 得分 P，对分类 变量 进行热编码， 匹配 加权 结果 更均匀。...即参与活动前两组用户 的 日活跃率曲线是否重合，以此 来 验证 倾向 性加权 得分 的 效果。 ② 将 N 日时间周期拉长，从后续留存时长变化趋势上帮我们清晰地定位到活动效应 的 存续周期。

994 2 1

因果推断笔记——因果图建模之微软开源 的 dowhy（一）

） 步骤三：「因果效应 估计 」（estimate）： 使用 统计方法对表达式进行 估计 ，识别之后 的 估计 「基于 估计 干预分配 的 方法」 基于 倾向 的 分层（Propensity-based Stratification...） 倾向 得分 匹配 （Propensity Score Matching） 逆向 倾向 加权（Inverse Propensity Weighting） 「基于 估计 结果 模型 的 方法」 线性回归（Linear...步骤四：「反驳」（refute） 使用 各种鲁棒性检查 来 验证 估计 的 正确性 「添加随机混杂因子」：添加一个随机 变量 作为混杂因子后 估计 因果效应是否会改变（期望 结果 ：不会） 「安慰剂干预」：将真实干预 变量 替换为独立随机 变量 后因果效应是否会改变...因果效应即干预发生一个单位 的 改变时， 结果 变化 的 程度。下面我们将 使用 因果图 的 属性 来 识别因果效应 的 估计 量。...， 估计 方法选择 的 是「 倾向 得分 匹配 」，所以 的 含义是，different_room_assigned = 1 比 different_room_assigned = 0取消 的 概率， 也就是说，换房间（different_room_assigned

2.7K 3 0

因果推断笔记——自整理因果推断理论解读（七）

有向图指导我们 使用 这些条件分布 来 消除 估计 偏差，其核心也是 估计 检验分布、消除其他 变量 带来 的 偏差。...DR 估计 器 的 具体公式如下： 只要 倾向 评分或模型能够正确地解释 结果 中 混杂因子与 变量 之间 的 关系，DR 估计 器就可以给出稳定且无偏 的 结果 。...在 IPW 估计 器 中 ， 倾向 评分同时作为干预概率与协 变量 的 平衡分数而出现，为了利用 倾向 评分 的 这一双重特性，研究人员提出了「协 变量 平衡 倾向 评分」（CBPS），其通过解决如下问题 来 估计 倾向 评分： CBPS...一般来说，通过 匹配 方法给出第i个单元 的 潜在 结果 为： 对 匹配 样本 的 分析实际上是一种 RCT 的 模仿：在 RCT 中 ，理想情况下干预组与对照组 中 协 变量 的 分布是类似的，因此我们可以直接比较两个组之间 的 结果 ...），将多维 的 协 变量 信息通过 倾向 得分 （概率拟合值，scalar） 来 刻画。

8.9K 6 6

因果推断笔记——python 倾向 性 匹配 PSM实现示例（三）

倾向 性 得分 1.0 matching 的 讨论 1.1 精准 匹配 1.2 倾向 性 得分 / 倾向 评分 匹配 由来 1.3 精准 匹配 -> 倾向 评分 匹配 2 基于 倾向 性评分法 的 因果推断 2.1 因果效应 估计 三种方法...2.2 倾向 性评分法 的 均衡性检验 2.3 反驳 3 倾向 性 得分 案例解读一（无代码）：就业与收入 的 影响 3.1 第一步: 使用 倾向 性评分法 估计 因果效应 3.2 第二步：评估各 倾向 性评分方法 的 均衡性 3.3...1.2 倾向 性 得分 / 倾向 评分 匹配 由来 由此衍生了用 倾向 性 得分 进行 匹配 的 方式Propensity Score Matching，简称 PSM： 在 PSM 方法 中 ，我们首先对每一个用户计算一个 倾向 性 得分 ...3.1 第一步: 使用 倾向 性评分法 估计 因果效应 各种 倾向 性评分法 的 因果效应 估计 值在图表7 中 ，由于不同方法 的 原理不同， 估计 的 因果效应值也不同。...在安慰剂数据法 中 ，由于生成 的 安慰剂数据(Placebo)替代了真实 的 处理 变量 ，每个个体接收培训 的 事实已不存在，因此反驳测试 中 的 因果 估计 效应大幅下降，接近0，这反过来说明了处理 变量 对 结果 变量 具有一定因果效应

3.7K 3 1

R语言 使用 倾向 评分提高RCT（随机对照试验） 的 效率

如上所述， 倾向 评分用于调整观察性研究 中 的 混淆。在RCT 中 ，随机化确保治疗和其他基线 变量 在统计学上是独立 的 ，即没有混淆。那么 倾向 得分 有什么用呢？...该方法与标准方法相同，其中人们 估计 倾向 评分模型，然后拟合通过 倾向 评分 的 倒数加权 的 结果 模型。因此，在第一步 中 ，我们拟合 二元 治疗指标的模型，基线 变量 作为协 变量 。通常我们会 使用 逻辑回归模型进行建模。...从拟合 的 倾向 评分模型 中 ，我们获得试验 中 每个受试者 的 估计 接受治疗 的 概率（而不是对照）。对于 二元 结果 ，我们可以拟合逻辑或对数链接回归来 估计 比值比或风险比。...模拟研究 对于实际 的 方法，我们可以 使用 二元 结果 和正态分布 的 基线 变量 进行小型模拟研究。我们 使用 逻辑回归模型生成。...接下来，我们看到IPTW 估计 器在重复样本 中 的 变量 小于标准 的 未调整 估计 器。因此，我们通过 使用 基线 变量 获得了效率。

898 1 0

因果推断笔记—— 相关理论：Rubin Potential、Pearl、 倾向 性 得分 、与机器学习异同（二）

Model(RCM)与 倾向 性 得分 3.4.0 从matching -> 倾向 性 得分 3.4.0.1 精准 匹配 3.4.0.2 倾向 性 得分 / 倾向 评分 匹配 由来 3.4.0.3 精准 匹配 -> 倾向 评分 匹配 ... 倾向 得分 匹配 模型 倾向 得分 匹配 模型 (propensity score matching，PSM) 类似于多元线性回归。...），将多维 的 协 变量 信息通过 倾向 得分 （概率拟合值，scalar） 来 刻画。...3.4.0.2 倾向 性 得分 / 倾向 评分 匹配 由来 由此衍生了用 倾向 性 得分 进行 匹配 的 方式Propensity Score Matching，简称 PSM： 在 PSM 方法 中 ，我们首先对每一个用户计算一个 倾向 性 得分 ...而在机器学习 中 ，我们 使用 准确度 来 衡量机器学习模型 的 好坏，其目标是在训练集上 估计 一个条件期望，使得测试集上MSE最小。

3.7K 3 1

因果推断文献解析|A Survey on Causal Inference(3)

经过IPW加权之后，我们大致认为各组样本之间不存在选择性偏差，这时，我们用对照组 的 观测 结果 ( 的 加权值 来 估计 整体 的 对照策略 的 潜在 结果 期望，用试验组 的 观测 结果 ( ) 的 加权值 来 估计 整体 的 试验策略 的 潜在 结果 期望... 倾向 得分 调整可以用来平衡策略组和对照组 的 相关 变量 不平衡问题，从而通过 匹配 、分层(次分类)、回归调整或三者 的 某种组合 来 减少偏倚。文献31讨论了 使用 倾向 得分 来减少偏差，也提供了例子和详细 的 讨论。...现实 中 ，回归模型 的 准确性和 倾向 得分 的 准确性都不容易得到验证。结合它们可以增大了 估计 的 鲁棒性。当然了，我们也可以想一些其他办法，将策略效果分解以增加 估计 的 鲁棒性。...IPW方法 的 倾向 得分 其实是策略 的 倾向 选择概率，但是选择性偏差带来 的 是样本之间其他相关 变量 分布 的 不平衡。所以 使用 逆 倾向 得分 属于只考虑了策略 的 倾向 选择概率，却用来平衡样本之间其他相关 变量 的 分布。...通过解决上述问题，CBPS直接从 估计 的 带参数 的 倾向 得分 中 构建了协 变量 平衡 得分 ，增加了对 倾向 得分 模型 的 稳健性。 这个式子就很玄妙了，首先 这个预定义 的 映射函数是什么，我们就不知道，作者也没介绍。

1.7K 2 0

分析师入门常见错误 幸存者偏差，如何用 匹配 和加权法规避

可能是因为 匹配 效果不佳，或丢弃了太多数据。实际上，不准确 估计 的 最大原因是数据 中 存在一些不平衡，即在完成 匹配 后需要检验 匹配 结果 是否真的实现了平衡两组 的 混淆 变量 水平。...步骤1： 倾向 得分 有多种方法可以生成 倾向 得分 （例如逻辑回归，概率回归，甚至是机器学习技术，例如随机森林和神经网络），但是逻辑回归可能是最常见 的 方法。 逻辑回归模型 中 的 结果 变量 必须是二进制 的 。...logistic 回归中 的 Y 是概率 的 对数比，这迫使模型 的 输出在0-1范围内，由于是否 使用 该功能 变量 是二进制 结果 ，这里采用逻辑回归来计算 倾向 得分 ： ?...当我们在生成 倾向 得分 的 模型 中 包含 变量 时，就像在 匹配 中所做 的 那样，我们处理了混淆 变量 。但是与 匹配 不同，该方法不会丢弃任何数据！只是使一些观察样本变得更重要，而另一些则变得不那么重要。...所有模型 的 结果 全文我们只是 使用 观察数据 来 估计 因果关系。没有随机控制实验（ A/B 实验） 的 因果关系！

1.4K 2 0

因果推断框架 DoWhy 入门

具体来说，其 使用 基于图 的 准则与 do-积分来对假设进行建模并识别出非参数化 的 因果效应；而在 估计 阶段则主要基于潜在 结果 框架 中 的 方法进行 估计 。...具体支持 的 估计 方法列表如下： 「基于 估计 干预分配 的 方法」 基于 倾向 的 分层（Propensity-based Stratification） 倾向 得分 匹配 （Propensity Score Matching...上图包含了数据 中 给定 的 先验知识（ 变量 分类），我们可以利用这张图 来 识别因果效应（从因果 估计 量到概率表达式）并进行 估计 。...因果效应即干预发生一个单位 的 改变时， 结果 变化 的 程度。下面我们将 使用 因果图 的 属性 来 识别因果效应 的 估计 量。... 估计 方法选择 的 是「 倾向 得分 匹配 」，具体 的 原理这里不做介绍。

5.1K 2 2

基于潜在 结果 框架 的 因果推断入门（上）

这一现象使得反事实 结果 的 估计 变得更加困难，因为我们需要去基于观察对照组 来 估计 干预组 中 单元 的 对照 结果 ，以及基于观察干预组 来 估计 对照组 中 单元 的 干预 结果 。...在 IPW 估计 器 中 ， 倾向 评分同时作为干预概率与协 变量 的 平衡分数而出现，为了利用 倾向 评分 的 这一双重特性，研究人员提出了「协 变量 平衡 倾向 评分」（CBPS），其通过解决如下问题 来 估计 倾向 评分： 其中...最常用 的 匹配 算法是「最近邻 匹配 」（NNM），具体 的 步骤是基于相似度 得分 （例如 倾向 评分）选择对照组和干预组中最接近 的 单元进行 匹配 ，干预组单元可以和一个对照组单元进行 匹配 ，称为成对 匹配 或 1-1 匹配 ；也可以 匹配 到两个对照组...一种可行 的 方法是设置一个容忍度等级， 来 限制最大可接受 的 相似度 得分 （原文中直接 使用 了 倾向 评分）距离，这种方法被称为「卡钳 匹配 」，其添加了一种共同支持条件。...上述 匹配 方法 的 共同点在于只 使用 了对照组 中 的 一小部分观测 结果 来 计算干预组 的 反事实 结果 （反之亦然）。「核 匹配 」和「局部线性 匹配 」是两种非参数 的 匹配 方法，其 使用 对照组中观测 的 加权平均 来 计算反事实 结果 。

3.3K 6 1

R语言 倾向 性评分： 匹配

倾向 性评分最大 的 优势是将多个混杂因素 的 影响用一个综合 的 值 来 表示，即 倾向 性评分值（Propensity Score, PS），从而降低协 变量 的 维度，因此该方法尤其适用于协 变量 较多 的 情况。... 倾向 性评分 的 一般步骤为： 估计 PS 值； 利用 PS 值均衡协 变量 分布； 均衡性检验及模型评价； 处理效应 估计 。...其中，PS 值 的 估计 是以处理因素作为因 变量 ，其他混杂因素作为自 变量 ，通过建立一个模型（可以是传统 的 回归模型，也可以是机器学习方法） 来 估计 每个研究对象接受处理因素 的 可能性。...4种方法均有各自 的 特点和局限，参考下图： 其中协 变量 调整又可以称为 倾向 性评分回归、 倾向 性评分矫正等。 用于 倾向 性评分 的 数据要进行一些预处理，比如缺失值处理，这在 倾向 性评分 中 是很重要 的 一部分内容！...下面演示 使用 logistic回归 的 方法计算PS，这里我们 的 处理因素是二分类 变量 (是否吸烟)，可以通过逻辑回归计算这些协 变量 （也就是混杂因素） 的 P值，这个P值就是 倾向 性评分。 倾向 性评分就是P值！

2.3K 4 0

因果推断文献解析|A Survey on Causal Inference(5)

基于 倾向 得分 的 映射： 倾向 得分 可以用来代表样本 的 原始相关 变量 ，所以，两个样本之间 的 相似性可以直接用： 来 表示， 是 倾向 得分 ；在这个基础上做一些变换也被提出： ,原文文献[131]说明这样变换一下可以有效减少偏差...在原文文献[113] 中 ，当两个单位 倾向 得分 的 差异在一定范围内时，进一步在一些关键协 变量 上用其他距离进行比较。...其他映射方法： 倾向 得分 还是只考虑了相关 变量 的 信息，另外 的 一些映射方法将 结果 信息也考虑进来，这样映射空间 的 信息更加丰富。一个有代表性 的 指标是预知分数prognosis score，即 估计 的 对照 结果 。...而且他们与观测 结果 是线性无关 的 ，即消除了混杂 的 影响。 与基于 倾向 得分 的 距离指标侧重于样本相关 变量 的 平衡相比，预知分数和HSIC-NNM侧重于样本在转换空间 的 投影和观测 结果 之间 的 关系。...上面讨论 的 匹配 算法有一个共同点，那就是在控制组中选取少数 的 观察 结果 来 评估策略组样本 的 反事实 结果 。核 匹配 (KM)和局部线性 匹配 (LLM)是非参数 匹配 ， 使用 对照组 的 观测值加权平均 来 创建反事实 结果 。

941 1 0

因果推断（二） 倾向 匹配 得分 （PSM）

因果推断（二） 倾向 匹配 得分 （PSM） 前文介绍了如何通过合成控制法构造相似的对照组，除此之外，也可以根据 倾向 匹配 得分 （PSM）进行构造，即为每一个试验组样本在对照组 中 找对与之相似的样本进行 匹配 。...PSM 通过统计学模型计算每个样本 的 每个协 变量 的 综合 倾向 性 得分 ，再按照 倾向 性 得分 是否接近进⾏ 匹配 。本文参考自PSM 倾向 得分 匹配 法[1]。 ⚠️注意： 倾向 匹配 得分 常用于截面数据 # !...自定义函数 # 计算propensity def cal_propensity(df, formula, k): df=df.copy() # 利用逻辑回归框架计算 倾向 得分 ，即广义线性 估计 ...# 提取全部干预与 倾向 匹配 数据 # 这里直接调用get_matched_data，注意输入 的 matches是 匹配 结果 ，raw_data是全部数据 matched_data = get_matched_data...总结 如果产品告诉你，我们发现 使用 A功能 的 用户比没有 使用 A功能 的 用户留存率提高了30%。

649 3 0

因果推断笔记——因果图建模之Uber开源 的 CausalML（十二）

使用 统计方法对表达式进行 估计 ，识别之后 的 估计 「基于 估计 干预分配 的 方法」 基于 倾向 的 分层（Propensity-based Stratification） 倾向 得分 匹配 （Propensity..., X-协 变量 , treatment-干预, e - PS 倾向 性 得分 这里对应 使用 的 估计 器是： LRSRegressor —— Linear Regression XGBTRegressor—— XGBoost...get_synthetic_preds_holdout生成之后数据张什么样子， 因为生成过程比较慢，建议把n调小一些，其中train_preds是，涵盖了，元数据， 倾向 得分 ，各类模型 的 估计 结果 ： {'...首先，引述了可用 倾向 性 得分 代替X做ATE 估计 然后，为了准确预测ATE而非关注到Y预测上，我们应尽可能 使用 X 中 与 T 相关 的 部分特征。...其中一种方法就是首先训练一个网络用X预测T，然后移除最后一层并接上Y 的 预测，则可以实现将X 中 与T相关 的 部分提取出来(即 倾向 性 得分 相关)，并用于Y 的 预测。

4.3K 2 0

因果推断笔记——DR ：Doubly Robust学习笔记（二十）

ATE 的 估计 1.1.2 CATE 的 估计 1.2 DR 与DML 的 异同 2 econml 的 实现 这个系列文章： 因果推断笔记——python 倾向 性 匹配 PSM实现示例（三） 因果推断笔记——DML...其他关联可见： 倾向 得分 方法 的 双重稳健且有效 的 改进 经过IPW加权之后，我们大致认为各组样本之间不存在选择性偏差，这时，我们用对照组 的 观测 结果 的 加权值 来 估计 整体 的 对照策略 的 潜在 结果 期望，用试验组 的 观测 结果 的 加权值 来 估计 整体 的 试验策略 的 潜在 结果 期望...所以 使用 逆 倾向 得分 属于只考虑了策略 的 倾向 选择概率，却用来平衡样本之间其他相关 变量 的 分布。...而调整 变量 集会被视为对 结果 变量 的 噪声，进行消减。最后 使用 经过调整 的 结果 ，去 估计 平均因果效应。...不同点： 在于第一阶段 估计 目标 变量 Y时，同时 使用 X和Treatment作为特征。 然后DR是需要计算PS 倾向 得分 的 ，虽然都是经过一些步骤，但是有较大差异。

3.3K 3 2

基于潜在 结果 框架 的 因果推断入门（下）

进一步地， 使用 干预分配与混杂因子表征 来 推断最终 的 潜在 结果 。...其首先对给定工具 变量 与其他协 变量 的 干预 变量 的 条件分布进行建模， 使用 包含针对条件干预分布 的 积分 的 损失函数进行训练，然后利用现有的监督学习技术 来 估计 因果关系。...预干预协 变量 共有 25 种，包括出生体重、头围、新生儿健康指数、母亲年龄、教育水平、用药、饮酒情况等。干预组为新生儿提供了强化 的 高质量儿童护理与专家上门服务。 结果 变量 是新生儿 的 认知测试 得分 。...工具包名称 支持方法 语言 Dowhy 倾向 回归分层 & 匹配 、逆 倾向 加权、回归方法 Python Causal ML 基于树 的 方法，元学习方法 Python EconML 双重稳健 估计 器、正交随机森林...举例来说，有研究者提出了随机最近邻 匹配 方法 来 估计 数字化营销活动 的 干预效果；有研究者 使用 协 变量 平衡广义 倾向 得分 （CGBPS） 来 分析政治广告 的 效力。

3K 2 0

干货 | 携程火车票基于因果推断 的 业务实践

这种思想最经典 的 方法是 倾向 得分 匹配 法（PSM）。 构造虚拟现实（Synthetic Control）：这种思路认为策略 的 影响其实是策略上了之后 的 指标表现和“假设策略没上” 的 平行时空中指标表现 的 差值。...有向图指导我们 使用 这些条件分布 来 消除 估计 偏差，其核心也是 估计 检验分布、消除其他 变量 带来 的 偏差。...以上两种因果框架是两种互补 的 推测虚拟事实 的 方法，目的都是为了计算存在混淆 变量 时，干预 变量 时对 结果 的 影响，都需要对因果关系作假设，以及控制带来偏差 的 变量 ，不同点在于 Rubin 框架 估计 的 因果效应主要是干预前后 的 期望差值...图3-2 UPLIFT模型 结果 展示 3.2 虚拟价值评估场景 — 倾向 性 得分 匹配 模型介绍：通过计算 倾向 性 得分 从观测数据中找到相似的人群，即在未干预人群中找到与干预人群相似的人，如图 3-3。...图3-5 解决问题思路图 结果 展示：如图 3-6 所示，左上角图中展示 的 是实验组和对照组原始 的 倾向 性 得分 ，右下角图为实验组和对照组 匹配 之后的人群 得分 ，可以看出，从两组 中 挑选出来的人群 倾向 性 得分 匹配 程度较高

649 3 1

预测友谊和其他有趣 的 图机器学习任务

分类，非常相似；唯一 的 区别是目标 变量 是分类 变量 而不是数值 变量 ——这在数学术语 中 只是意味着它在有限集合 中 取值，而不是在ℝ 中 。...大多数分类器不是直接预测数据点 的 类别，而是首先计算 倾向 （propensity）分数，直到归一化，这基本上是每个分类 的 估计 概率，然后预测 的 分类是 倾向 得分 最高 的 类。...具体来说，对于 10-NN，如果一个数据点有 5 个红色邻居、3 个绿色邻居和 2 个蓝色邻居，那么红色 的 倾向 得分 为 0.5，绿色 的 倾向 得分 为 0.3，蓝色 的 倾向 得分 为 0.2（当然，预测本身是红色 的 ）...对于 二元 分类，通常只报告0到1之间 的 单个 倾向 分数，因为另一个类 的 倾向 得分 只是互补概率。 回到边预测任务，考虑一个有 n 个顶点 的 图，想象一个从 n 个中选择 2 行 的 矩阵，由图中 的 顶点对索引。...在此数据上训练 二元 分类器，在非邻居中 倾向 得分 最高 的 顶点对是最 倾向 于成为邻居 的 对 - 也就是说，根据所 使用 的 特征，这是最有可能形成 的 下一个边。

417 3 0
 
推荐文章
Link管理   ·   51好读   ·   Sov5搜索   ·   小百科
小百科 - 百科知识指南