这次又能探寻出那些新发现？ | MixLab+AI第38期

Knowledge

/ def mix( ):

本期收录

新增20+

NO. 38

#机器学习##电影评分#

使用kaggle上的IMDb的电影数据集，通过深度学习识别电影海报的人脸数量，作为特征补充到数据集，然后把IMDb的评分作为目标值，训练一个基于catboost的回归模型，并通过shap值研究高分的决定特征是哪些。

结合以上2张图，我们有以下的洞察：

年份虽然是主要的决定因素，但与评分的关系比较复杂；

海报中是否出现人物也是一个关键的因素；

喜剧、爱情、战争、犯罪剧普遍具有较高的评分；

动作、历史、科幻具有较低的评分。

《花木兰》得分太低？如何预测一部电影的IMDb评分？

#遗传算法#强化学习#

OpenAI教给机器人使用强化学习（一种更复杂的优化方法）玩捉迷藏的游戏。机器人首先学习了“人性化”的策略，最终又自我学习了新的策略。

如何用遗传算法来捡垃圾？

#AR#Web#

谷歌宣布将在搜索结果中加入3D模型，而且还可以直接通过AR的形式直接预览，例如在线购物，或者其它娱乐场景。

寻找AR中的Big Difference - v2.0

#沉浸式新闻#AR#

《时代周刊》杂志最近推出了一种体验新方式“TIME Immersive”。这款身临其境的应用程序可在谷歌游戏和Apple App Store中使用，利用AR和VR的强大功能，将故事和报道带入生活。例如该APP允许用户沉浸在1969年7月阿波罗11号登月的历史当中。

寻找AR中的Big Difference - v2.0

#辛普森悖论# #统计学#

图中是中国和意大利的新冠死亡率，每个年龄段，中国的都大于意大利，但意大利的总死亡率却比中国更高，这在统计学中被称为辛普森悖论，指在某个条件下的两组数据，分别讨论时都会满足某种性质，可是一旦合并考虑，却可能导致相反的结论。

https://github.com/ninoch/Trend-Simpsons-Paradox

#跨域推荐# #推荐系统#

什么是"跨域推荐"呢？比如，我要给“新闻”推荐东西，但是使用的数据不只是“新闻”自己的，它还包括了"房"、"车"、"招聘"等其他域产生的数据。

通过用户的基本信息建模用户的内在长期兴趣源域短期兴趣。

（Short-term interest from the source domain）

https://arxiv.org/abs/2008.02974