特徵工程
- 行銷人必學的「特徵工程」入門指南
- 為什麼「特徵工程」才是決定 AI 與行銷預測成敗的靈魂？
- 為何特徵工程才是決定 AI 行銷預測成敗的真正關鍵
- 打造高轉換的機器學習系統：行銷人必懂的特徵工程與防漏指南
- 數據驅動的決策設計：為什麼「特徵工程」才是機器學習落地的真正關鍵？
- 走出超參數迷思：為何「特徵工程」才是數位行銷預測的真正天花板？
- 行銷人必學的「特徵工程」防漏與自動化管線指南
- 特徵工程的藝術：如何將原始數據點石成金，煉出高價值的行銷訊號
- 機器學習特徵工程綜合指南 (原文翻譯)
- 模型真正愛的不是更複雜的演算法，而是更聰明的特徵工程 (原文翻譯)
迴歸
- 精確量化與策略洞察：迴歸分析評估指標在行銷中的應用 📖
分類
- 運用機器學習預測客戶流失：從數據科學到行銷策略的深度融合 📖
- 超越準確度：運用混淆矩陣洞察行銷決策模型的策略價值 📖
分群
- 洞察市場脈動：分層分群、DBSCAN與輪廓係數在行銷數據分析的實踐與反思 📖
- 解鎖顧客洞察的鑰匙：RFM分析與K-Means聚類的協同應用 📖
- 數據煉金術：CLTV、RFM 分析與 K-Means 聚類在行銷策略中的應用與洞察 📖
- 機器學習中的 K-Means 與密度分群演算法 📖
- K-Means Clustering in Machine Learning 📖
降維
關聯規則
- 從交易數據挖掘消費者行為模式：關聯規則學習在行銷策略的深度應用與洞察📖