Рекомендации
Оптимизируйте свои подборки
Сохраняйте и классифицируйте контент в соответствии со своими настройками.
Брукс С., Гельман А. Общие методы мониторинга сходимости итеративного моделирования , 1998.
Чен А., Чан Д., Келер Дж., Ван Ю., Сунь Ю., Джин Ю., Перри М., Google, Inc. Коррекция смещения для платного поиска в моделировании медиа-микса , 2018 г. .
Кларк, Майкл. Основы Байеса: концептуальное введение с применением в R и Stan . Мичиганский университет. (11 сентября 2015 г.).
Гельман А., Рубин Д. Вывод на основе итеративного моделирования с использованием нескольких последовательностей , 1992.
Эрнан М.А., Робинс Дж.М. (2020). Причинно-следственный вывод: что, если . Бока-Ратон: Чепмен и Холл/CRC.
Джин Ю., Ван Ю., Сан Ю., Чан Д., Келер Дж., Google Inc. Байесовские методы моделирования медиа-микса с эффектами переноса и формы, 2017.
Нг, Э., Ван, З., и Дай, А. Байесовская модель коэффициентов, изменяющихся во времени, с применением к моделированию комплекса маркетинга , 2021.
Перл, Иудея. Причинность. Издательство Кембриджского университета. (14 сентября 2009 г.) ISBN 9781139643986 .
Сплайн (математика) , Википедия.
Сунь Ю., Ван Ю., Джин Ю., Чан Д., Келер Дж., Google Inc. Байесовское иерархическое моделирование медиа-микса на географическом уровне, 2017.
Вероятность тензорного потока .
Ван Ю., Джин Ю., Сан Ю., Чан Д., Келер Дж., Google Inc. Иерархический байесовский подход к улучшению моделей медиа-микса с использованием данных о категориях , 2017.
Чжан Ю., Вурм М., Ли Э., Оаким А., Келли Дж., Прайс Б., Лю Ю., Google Inc. Калибровка модели медиа-микса с использованием байесовских априорных значений, 2023.
Чжан Ю., Вурм М., Ваким А., Ли Э., Лю Ю., Google Inc. Байесовская иерархическая модель медиа-микса, включающая данные об охвате и частоте, 2023.
Если не указано иное, контент на этой странице предоставляется по лицензии Creative Commons "С указанием авторства 4.0", а примеры кода – по лицензии Apache 2.0. Подробнее об этом написано в правилах сайта. Java – это зарегистрированный товарный знак корпорации Oracle и ее аффилированных лиц.
Последнее обновление: 2024-10-26 UTC.
[[["Прост для понимания","easyToUnderstand","thumb-up"],["Помог мне решить мою проблему","solvedMyProblem","thumb-up"],["Другое","otherUp","thumb-up"]],[["Отсутствует нужная мне информация","missingTheInformationINeed","thumb-down"],["Слишком сложен/слишком много шагов","tooComplicatedTooManySteps","thumb-down"],["Устарел","outOfDate","thumb-down"],["Проблема с переводом текста","translationIssue","thumb-down"],["Проблемы образцов/кода","samplesCodeIssue","thumb-down"],["Другое","otherDown","thumb-down"]],["Последнее обновление: 2024-10-26 UTC."],[[["This compilation of resources focuses on Bayesian methods and their applications, particularly in media mix modeling (MMM) for marketing analysis."],["Several resources explore the use of Bayesian hierarchical models, incorporating factors like carryover effects, shape effects, geographic variations, and category data to enhance MMM accuracy."],["The list also includes foundational materials on Bayesian statistics, causal inference, and convergence diagnostics for iterative simulations, providing a comprehensive understanding of the underlying concepts."],["Resources from Google researchers showcase cutting-edge advancements in MMM, including bias correction for paid search, the integration of reach and frequency data, and the utilization of Bayesian priors for model calibration."],["This collection serves as a valuable guide for researchers and practitioners seeking to leverage Bayesian techniques for advanced marketing measurement and decision-making."]]],["The documents cover Bayesian methods and their application in media mix modeling (MMM). Key topics include: bias-variance tradeoff; convergence monitoring for iterative simulations; causal inference; Bayesian hierarchical modeling to improve MMM with category data, reach, frequency, carryover, and shape effects; bias correction for paid search in MMM; and calibration of MMM using Bayesian priors. Splines and TensorFlow Probability are also mentioned, with general bayesian concepts. The work was carried out by researchers in different academic institutions or at google.\n"]]
