- 综合排序
- 最热优先
- 最新优先
- 来自专栏张叔叔讲互联网
画像平台人群包常见应用场景
Push侧通过人群接口每日定时拉取人群数据，然后遍历人群中的每一个用户并推送Push消息。 应用方式：在画像平台上通过规则圈选创建女性用户人群A，通过文件导入的方式创建黑产用户人群B，通过组合人群的方式创建人群A与B的差集人群C。 人群C支持判存服务，最终通过判断用户是否在人群C中来决定是否赠送优惠券。应用结果：通过人群组合的方式便捷地支持了业务需求。 业务为了给指定用户（不分男女）赠送优惠券，还创建了一个白名单人群D，将C人群与D人群求并集后生成了新的人群E，E人群不仅覆盖了原有的赠送人群范围，而且可以向特定用户群体赠送优惠券。 应用方式：外呼团队在画像平台上创建外呼人群，并借助人群拆分功能将该人群按照25%、25%、25%、25%的比例拆分为4个子人群，在外呼平台导入4个子人群并配置不同的话术进行外呼操作。
1.3K20编辑于 2023-10-30 - 来自专栏腾讯企点
功能解说 | 建好人群包，精准营销省烦恼！
▍ 营销方案 这一类客户是目标用户，也可以看做是种子用户，通过相似人群扩散，可以扩散出最多100万这样的特征的目标用户群，然后通过广点通去触达这些相对较精准的目标用户群，实现低成本、高质量的拉新。
2.3K10发布于 2020-06-10 - 来自专栏张叔叔讲互联网
人群LookALike以及挖掘人群的创建思路
人群LookALike是给定种子人群，然后通过技术手段找到与该种子人群相似的用户群体。 图5-26展示了基于向量求LookALike人群的主要流程。图片基于种子人群特征分布计算相似人群。 图片基于分类算法计算相似人群。把种子人群当作正样本，其他非种子人群（或者其他人群）当作负样本，通过训练分类模型计算出满足条件的用户并构建目标人群。 目前也有利用社交网络进行人群LookALike的实践方案，通过好友关系找到种子人群中所有用户的几度好友并构建目标人群。挖掘人群是指定优化目标，借助算法能力找到满足要求的用户并构建人群。 人群挖掘的思路是先找到训练样本（种子人群），然后通过LookALike的思路扩展种子人群。该方式与人群LookALike不同的是，人群挖掘的结果中可以包含种子人群中的用户数据。
1.9K30编辑于 2023-10-22 - 来自专栏张叔叔讲互联网
画像平台人群创建方式-规则人群创建
，同理，人群圈选条件最终转换为Hive SQL语句并最终将执行结果构建为人群。 前两种执行方式生产的人群会优先产出BitMap并存储到OSS中，第三种方式生成的人群数据直接存储在Hive表中。为了实现人群数据的持久化存储和便捷的接口调用，人群数据最终会存储在Hive表和OSS中。 SQL语句示例如下所示，SQL执行后人群结果数据将直接存储到人群结果Hive表中。 Hive表中的人群数据主要用于离线数据分析场景，很多业务使用人群之后需要通过人群结果表进行效果分析。图5-13展示了人群结果表的表结构设计，人群crowd_id作为分区键，分区下包含该人群所有用户。 OSS中的人群数据主要应用在通过接口获取人群数据的场景下。人群数据压缩为BitMap并存储到OSS中，一亿人群大小在100M左右，通过接口可以在几秒内获取到人群结果。
1.9K00编辑于 2023-10-18 - 来自专栏张叔叔讲互联网
画像平台人群创建方式-导入人群创建
导入人群是将外部数据导入画像平台构建人群，主要有3种实现方式：文件导入、Hive表导入和SQL导入。 Hive导入和SQL导入方式创建的人群数据直接存储到Hive表中，后续需要通过HiveToBitmap将人群数据写入BitMap并存储在OSS中。 与Hive导入人群方式不同，文件导入优先生成人群BitMap，之后再通过BitMapToHive过程写入到人群结果Hive表中。 导入人群是画像平台最常用的人群创建方式之一，其实现了将各类数据源沉淀为人群的功能，支持更灵活的人群创建方式，拓展了画像平台数据范围。 比如运营人员将某次活动中表现良好的用户导入画像平台并构建成人群，后续可以进行广告投放或者人群分析；数据分析师离线统计出了一批高价值用户，导入平台构建人群后可以直接提供给业务使用。
90510编辑于 2023-10-19 Day6-R包
今天的内容在我刚看到的时候，觉得很难，看不懂每一步代码的意思，不知道是如何得到花花老师的结果的，但是在自己一步一步按照教程来进行操作，仔细比对前后的变化的时候，我对dplry包的使用有了更清晰的认识，这一部分内容需要自己多多练习 B","C","D"))test1test2 <- data.frame(x=c('a','b','c','d','e','f'), y=c(1,2,3,4,5,6) test1, y = test2, by = 'x')# 5.anti_join反连接：返回无法与y表匹配的x表的所记录anti_join(x = test2, y = test1, by = 'x')# 6. 函数则需要两个数据框有相同的行数test1 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40))test1test2 <- data.frame(x = c(5,6)
44110编辑于 2024-03-10- 来自专栏漫漫生信路
Day6——R包
思维导图安装和加载R包以dplyr函数为例options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) options( vars参数是dply包中select函数的一个参数，它允许我们通过指定字段的索引范围来选择需要的字段。索引范围可以是一个连续的整数向量，也可以是一个布尔向量。 Species),mean(Sepal.Length), sd(Sepal.Length))#计算每组Sepal.Length的平均值和标准差dplyr两个实用技能管道操作 %>%加载任意一个tidyverse包即可用管道符号 ), y = c(10,20,30,40))test1## x y## 1 1 10## 2 2 20## 3 3 30## 4 4 40test2 <- data.frame(x = c(5,6) 6 60bind_cols(test1, test3)## x y z## 1 1 10 100## 2 2 20 200## 3 3 30 300## 4 4 40 400
85010编辑于 2023-12-03 - 来自专栏生信迟
Day 6 学习R包
安装和加载R包1.镜像设置2.安装R包安装命令是install.packages(“包”)或者BiocManager::install(“包”)3.加载library和require，两个函数均可。 使用一个包，是需要先安装再加载，才能使用包里的函数。 arrange(),按某1列或某几列对整个表格进行排序5.summarise()：汇总dplyr两个实用技能1：管道操作 %>% (cmd/ctr + shift + M)（加载任意一个tidyverse包即可用管道符号 inner_join,取交集2.左连left_join3.全连full_join4.半连接：返回能够与y表匹配的x表所有记录semi_join5.反连接：返回无法与y表匹配的x表的所记录anti_join6.
29830编辑于 2023-09-08 - 来自专栏生信学习小组2023
Day6-Bran R包
安装和加载R包镜像设置options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) #对应清华源options(BioC_mirror ,'x'), z = c("A","B","C",'D'))test2 <- data.frame(x = c('a','b','c','d','e','f'), y = c(1,2,3,4,5,6)
33610编辑于 2023-12-02 Day-6：学习R包
安装和加载R包1.设置镜像2.安装R包：install.packages("包")（R包来自CRAN网站）BiocManager::install(“包”)（R包来自Bioconductor）3.加载R 包：library(包)或require(包)dplyr基础函数以内置数据集iris为例test <- iris[c(1:2,51:52,101:102),]1.新增列：mutate()如mutate( 3.3 6.0 2.5 virginica5 6.4 3.2 4.5 1.5 versicolor6 Sepal.Length), sd(Sepal.Length)) 先按照Species分组，计算每组Sepal.Length的平均值和标准差> group_by(test, Species)# A tibble: 6 2.5 virginica 6 5.8 2.7 5.1 1.9 virginica > summarise(group_by(test
30000编辑于 2024-03-27- 来自专栏literary
Day6-学习R包
什么是R包？ R包是多个函数的集合，编码和样本数据的集合，或者通俗讲，R包相当于R的插件（有可能不准确）存放位置：名为”library“的目录下必要性：丰富的图表和Biocductor上面的各种生信分析需要R包以dplyr 为例安装和加载R包镜像设置，（直接高级设置安排）图片引用自生信星球安装options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN
38330编辑于 2023-10-26 - 来自专栏金金生信幼儿园
Day6-学习R包
Day6-学习R包参考文献：生信星球今天第六天，我爱学习，坚持学习感觉真好（暗示)1.新的知识/概念：R包（R package）R包是什么？R程序包是多个函数的集合，具有详细的说明和例子。 为什么要安装R包？特定的分析功能，需要用相应的程序包实现。 例如：作图包ggplot2使用到哪个包就去安装和加载，知道要用的函数以及简单使用规律，查看帮助文档入门，统计学学到一定的程度，不要默认值，去指定值，这个过程可以调试。 目的不是学会某个具体的R包，而是找所有R包使用的规律。 R包都在哪里通常来源三个网站来源：知乎 ahsu安装加载三部曲options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")
41530编辑于 2023-11-18 Day6-学习R包
安装和加载R包1.镜像设置 options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) options(BioC_mirror ="https://mirrors.ustc.edu.cn/bioc/") 2.安装和加载以dplyr包为例 install.packages("dplyr")library(dplyr)dplyr五个基础函数
34110编辑于 2024-04-19- 来自专栏许糊糊讨厌衰包包
DAY6-学习R包
安装和加载R包镜像设置使用R配置文件使用file.edit()编辑文件——输入file.edit('~/.Rprofile') options("repos" =c(CRAN="https://mirrors.tuna.tsinghua.edu.cn ="https://mirrors.ustc.edu.cn/bioc/") #对应中科大源 保存文件，重启运行options()$repos和options()$BioC_mirror 即配置好安装R包安装命令是 install.packages(“包”)或BiocManager::install(“包”)install.packages("dplyr") 加载 library和require 使用一个R包需先安装再加载
1.3K30编辑于 2023-10-25 - 来自专栏学习小组啊
Day6-学习R包
R包是多个函数的集合，具有详细的说明和示例。基本步骤如下：1.安装和加载R包2.安装3.几个基本函数认识Dplyr是一个强大的R数据处理基础软件包,用于处理,清理和汇总非结构化数据。 dplyr包的五个基本函数 select() , filter() , arrange() , mutate() , summarize()
23420编辑于 2023-11-04 - 来自专栏c#分享专栏
.NET 6 的 NuGet 包验证
它简化了依赖包的管理与发布，特别是大型项目中。随着依赖包的增多，包的安全性、版本兼容性等问题日益重要，因此验证 NuGet 包至关重要。 二、NuGet 包验证的必要性安全性验证：避免引入恶意代码或漏洞。兼容性验证：确保依赖包版本与项目兼容。质量验证：确保包的代码质量与稳定性满足项目需求。三、常见的 NuGet 包验证方法1. 依赖包的签名验证什么是签名验证：如何确保包来自可信源。启用签名验证的步骤。如何处理非签名包。3. 如何为 .NET Core 项目验证跨平台兼容的 NuGet 包。使用 Docker 或者 WSL 测试依赖包的兼容性。 七、常见问题与最佳实践处理未签名或无安全来源的依赖包。在项目中指定特定的包版本控制，以减少版本冲突。如何维护长期的依赖包版本更新与验证。八、结语强调 NuGet 包验证对 .NET 项目的重要性。
4.9K10编辑于 2024-11-12 - 来自专栏我的生物信息菜鸟学习笔记
day6-学习R包
0、写在最前面R包：多个函数的集合，具有详细的说明和实例。R语言可以提供丰富的图表和Biocductor各种分析R包，主要用于下游分析。 ",'D'))test1test2 <- data.frame(x = c('a','b','c','d','e','f'), y = c(1,2,3,4,5,6) 反连接：返回无法与y表匹配的x表的所记录anti_join(x = test2, y = test1, by = 'x')anti_join(x = test1, y = test2, by = 'x')6、 (x = c(1,2,3,4), y = c(10,20,30,40))test1test2 <- data.frame(x = c(5,6), y = c(50,60))test2test3 <- data.frame sd2、找R包介绍页面（搜索）3、Vignettes（作者写的网页版教程）不是每个R包都有的，可以运行代码试试看，没有就是没有了。browseVignettes("limma")
51610编辑于 2024-10-27 - 来自专栏Python基础、进阶与实战
Python基础-6 模块和包
6.模块和包 模块modules 在之前的程序里，你可能用过类似from math import pi的语句来导入变量或函数。这其实就是在使用模块。 注意：如果不是同级目录，解释器会找不到，需要在sys.path中添加查找路径，如 import sys sys.path.append(r'D:\PY_TEST\pythonProject\6modules 使用包 从包导入与从模块导入非常类似。 （或子包），也可以是包中定义的函数、类或变量等其他名称。 这些导入语句使用前导句点表示相对导入中的当前包和父包。
58220编辑于 2022-12-06 Day6-学习R包
f C4 x D> test2 <- data.frame(x = c('a','b','c','d','e','f'), + y = c(1,2,3,4,5,6) , test2, by = "x")#內连inner_join,取交集 x z y1 b A 22 e B 53 f C 6> left_join(test1, test2, by = 'x')#左连 D NA> left_join(test2, test1, by = 'x') x y z1 a 1 <NA>2 b 2 A3 c 3 <NA>4 d 4 <NA>5 e 5 B6 f 6 C> full_join( test1, test2, by = 'x')#全连full_join x z y1 b A 22 e B 53 f C 64 = c(1,2,3,4), y = c(10,20,30,40))> test1 x y1 1 102 2 203 3 304 4 40> test2 <- data.frame(x = c(5,6)
28010编辑于 2024-03-28DAY6-学习R包
安装和加载R包1.镜像设置options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) #对应清华源options(BioC_mirror ="https://mirrors.ustc.edu.cn/bioc/") # 对应中科大源2.安装install.packages("包") 或 BiocManager::install（“包”）3. B","C",'D'))test2 <- data.frame(x = c('a','b','c','d','e','f'), y = c(1,2,3,4,5,6) test1, y = test2, by = 'x')5.反连接：返回无法与y表匹配的x表的所记录anti_joinanti_join(x = test2, y = test1, by = 'x')6. (x = c(1,2,3,4), y = c(10,20,30,40))test2 <- data.frame(x = c(5,6), y = c(50,60))test3 <- data.frame(
34200编辑于 2024-03-27
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号