认知颠覆 · COGNITIVE OVERTURN

评估指标的选择是"价值判断"而非"技术决策"

选择"准确率"还是"召回率"不是技术优化问题,而是业务价值观问题——在医疗诊断中,漏诊(假阴性)的代价远高于误诊(假阳性),所以应该优先优化召回率;但在垃圾邮件过滤中,误判正常邮件(假阳性)的代价更高,所以应该优先优化精确率。模型优化的方向由价值判断决定,而非由算法自动决定。
来源

机器学习与数据挖掘 · 模型可信度工程

可迁移到

产品指标设计——DAU、留存率、NPS、收入增长,选哪个作为北极星指标本质上是在回答"我们最在乎用户的什么体验",这不是数据问题而是价值问题。

来自这本书的解读报告

《机器学习与数据挖掘》

多版本通论(基于该主题域核心教材) · 机器学习 / 数据科学

这本书回答了如何让机器从数据中自动发现规律并用于决策,答案是建立从数据到知识的系统化流程。

机器学习·数据挖掘·泛化能力·特征工程·模型评估
阅读完整解读报告 →
PRESS YOUR OWN BOOK

找一本想读的书,解读出你自己的洞察

90 秒得到核心模型 · 行动接口 · 失效边界 · 三套 SOP

解读一本书 →