从概率密度估计视角重构受众扩展
人工智能
2023-11-17 v1 机器学习
摘要
受众扩展已成为前瞻性营销的重要元素，帮助营销人员仅基于其当前客户群的代表性样本来创建目标受众。在机器学习领域内，将该样本扩展为更广受众的常用算法依赖于二分类任务，其中类概率估计起着关键作用。在本文中，我们回顾了这一技术并引入了在选择训练样本方式上的关键改变，以确保所生成受众的质量。我们提出了一项基于广泛使用的 MNIST 数据集的模拟研究，其中一致的高精确率与高召回率值证明了我们的方法识别扩展受众中最相关用户的能力。我们的结果易于复现，且 Python 实现已在 GitHub 上公开可用：\url{https://github.com/carvalhaes-ai/audience-expansion}
引用
@article{arxiv.2311.05853,
title = {Reframing Audience Expansion through the Lens of Probability Density Estimation},
author = {Claudio Carvalhaes},
journal= {arXiv preprint arXiv:2311.05853},
year = {2023}
}
备注
12 pages