文件名称：tensorflow-lifetime-value:使用AutoML Tables或带有TensorFlow神经网络和Lifetimes Python库的ML Engine预测客户的生命周期价值
文件大小：199KB
文件格式：ZIP
更新时间：2024-05-29 02:57:01
JupyterNotebook
此代码支持包含三部分的解决方案，该解决方案cloud.google.com上发布的。 在发布的更新解决方案“ 也使用了此代码。 GCP上的客户生命周期价值预测 该项目显示了如何在以下情况下使用ML模型来预测客户的生命周期价值： 我们使用[1]应用模型。 我们提供使用TensorFlow DNN模型并进行批量归一化和辍学的实现。 我们使用Python中的提供了一个行业中常用的的实现，以执行生命周期价值预测。 我们还提供了使用的实现。 该项目还展示了如何使用Big Computeer提供的业务流程和BigQuery和DataStore在Google Cloud Platform上部署生产就绪的数据处理管道，以进行生命周期价值预测。 安装 安装Miniconda 该代码适用于python 2/3。 使用Miniconda2： sudo apt-get install -y git
【文件预览】：
tensorflow-lifetime-value-master
----CONTRIBUTING(1KB)
----run()
--------mltrain.sh(3KB)
--------airflow()
----notebooks()
--------Exploration.ipynb(202KB)
--------linear_model.ipynb(5KB)
--------clv_automl.ipynb(10KB)
----preparation()
--------sql()
----requirements.txt(209B)
----clv_automl()
--------to_predict.csv(209B)
--------clv_automl.py(9KB)
--------__init__.py(0B)
----linear.py(1KB)
----LICENSE(11KB)
----README.md(14KB)
----.gitignore(137B)
----clv_mle()
--------clv_ml_engine.egg-info()
--------to_predict.csv(90B)
--------__init__.py(602B)
--------config.yaml(641B)
--------trainer()
--------setup.py(985B)
--------dist()
--------config_tune.json(2KB)
--------to_predict.json(402B)