基于机器学习的配对选择方法

📚 共计 30 章节

配对问题概述

什么是配对问题 · 应用场景（婚恋匹配、任务分配、推荐系统）· 数学建模

数据预处理基础

数据清洗 · 缺失值处理 · 特征缩放（标准化与归一化）· 类别特征编码

预处理特征工程

相似度度量方法

欧氏距离 · 余弦相似度 · 皮尔逊相关系数 · Jaccard相似系数

基于内容的推荐配对

用户画像构建 · 物品特征提取 · 基于内容的匹配算法

协同过滤基础

基于用户的协同过滤 · 基于物品的协同过滤 · 用户-物品矩阵构建

协同过滤矩阵

协同过滤进阶

相似度计算优化 · 矩阵稀疏性问题 · 冷启动问题及解决方案

优化冷启动

矩阵分解技术

SVD分解 · FunkSVD · BiasSVD · SVD++

矩阵分解SVD

隐语义模型

LFM模型原理 · 模型训练与参数调优 · 负样本采样策略

逻辑回归在配对中的应用

特征组合 · LR模型训练 · 模型评估指标（AUC、LogLoss）

决策树与随机森林

决策树原理 · 随机森林构建 · 特征重要性分析

树模型随机森林

梯度提升树

GBDT原理 · XGBoost入门 · LightGBM实战

神经网络基础

感知机 · 多层感知机 · 激活函数 · 损失函数

神经网络MLP

深度学习配对模型

Deep Crossing · Wide & Deep · DeepFM

深度学习DeepFM

图神经网络配对

图的基本概念 · GCN原理 · GNN在配对中的应用

强化学习配对

MDP建模 · Q-Learning · 策略梯度方法

强化学习Q-Learning

稳定匹配 · Gale-Shapley算法 · 市场设计

匹配理论Gale-Shapley

多目标优化配对

Pareto最优 · 加权求和法 · NSGA-II算法

多目标NSGA-II

约束满足问题

约束传播 · 回溯搜索 · 局部搜索

在线学习与Bandit算法

UCB算法 · Thompson采样 · Contextual Bandit

Bandit在线学习

迁移学习在配对中的应用

领域自适应 · 预训练模型微调 · 跨域推荐

迁移学习微调

联邦学习配对

联邦平均算法 · 隐私保护 · 安全聚合

联邦学习隐私

模型评估与选择

交叉验证 · 超参数调优 · 模型集成

A/B测试与实验设计

假设检验 · 样本量计算 · AA测试

A/B测试统计

特征工程进阶

特征交叉 · 特征选择 · 特征降维（PCA、LDA）

特征工程PCA

大规模数据处理

Spark MLlib · 分布式训练 · 参数服务器

实时配对系统

流处理框架 · 特征在线计算 · 模型在线更新

实时流处理

模型可解释性

SHAP值 · LIME · 特征重要性可视化

可解释性SHAP

公平性与偏见

公平性定义 · 偏见检测 · 去偏方法

公平性偏见

电商推荐系统 · 招聘平台人岗匹配 · 在线约会匹配

大模型在配对中的应用 · 多模态配对 · 因果推断配对

前沿大模型