ncis 你好,请问NCIS 和洛杉矶、LA 之间有什么联系,如果要...

汗一下楼下两个……

NCIS的死忠来告诉楼主，首先，你的标题有问题，LA就是洛杉矶的英文缩写，NCIS LA=NCIS洛杉矶。
其次，要看的话，应该从NCIS看起，当然从第一季从头看起，你绝对不会后悔，前几季都相当精彩，到第四季时达到高潮，NCIS长期盘踞美国收视率最高的电视剧榜首（没有之一），到现在已经第九季了，绝对不是盖的。
然后呢，NCIS LA，是NCIS的衍生剧，美剧喜欢用衍生剧的形式来开辟新剧集，这样原来的剧集可以拉动新剧的收视率。其实，NCIS本身也是另一个叫JAG的美国军事法庭相关内容的剧集的衍生剧。衍生剧大概就是指，原本在某剧里打酱油的龙套，被发现很有意思，或者根本就是提前设计好的，就以这个龙套为新剧主角，从这个地方引出新的剧集来。
所以，楼主应该这样看：从NCIS第一季开始看判运，BOSS他们是驻扎在华盛顿（简称DC）的，看到后面某一季，突然情节中冒出一个LA分部，BOSS他们掘明梁跑去LA打酱油了，这就是LA的槐樱开始了，用NCIS引出新的分支，然后你就可以两部剧一起追了，是平行的，就等于同时看在两个不同城市的NCIS办案。
为了拉动衍生剧的收视率，LA第一季时跟NCIS的交叉非常多，两个剧里的人物经常互相串场子，看起来很有趣，LA第一季还没磨合好，不如NCIS精彩，只能这样来吸引观众，不过到第二季，人物有了调整，就变得很精彩了，现在我对两个剧都一样喜欢，何况两剧联系很紧密（比毕竟是同一个主任管辖的，主任每集都在两边打酱油），不像NCIS和它的来源剧JAG，一分出来就没关系了，所以喜欢看其中一个，就不得不看另外一个。

什么关系都没有。
首先，所谓“16个特务耐配间谍机构”，其实应该叫做United States Intelligence Community（简称IC），是里根在1981年签署文件成立的一个统一的情报组织，包括16个不同部门机构组成的情报机清樱构，以及2004年设立的“国家情报总监”办公室（The Office of the Director of National Intelligence），所以昌正指IC总共是17个机构。所有写着16个机构的资料都是2004年以前的老黄历了。
其次，NCIS应该非常广为人知吧，没看过电视剧么？NCIS全称Naval Criminal Investigative Service，顾名思义，职责是调查海军（也包括海军陆战队，因为同属海军部）内发生的犯罪，同时也涉足一些与海军（包括陆战队）有关的民间案件等。NCIS隶属于美国海军部，从而也隶属于国防部，行政上来说，NCIS跟海军本身是海军部下属的平行机构。而海军情报办公室则是1882年成立的一个海军情报部门，隶属于美国海军。
所以，不管从职能上来说，还是从行政从属来说，NCIS跟ONI都没什么关系。

NCIS是长寿老腊滑蚂剧了，至今播到第七季。
估计是CBS看到其受欢迎于是09－10季另创一部LA篇来承接收视。
NCIS以破案为主，几乎都是命案，每集基本都有尸检解剖等内容，验尸官DUCKY也是其中重要角色。极少使用武力，其中不乏感人的温情。
LA篇则明快刺激些，通过卧底或高科技手段，完成轮埋任务。主角动不动就会拔枪，枪战爆炸场面几乎每集都有。
至于ABBY出现在LA篇客让晌串，应是属于以老带新希望吸引旧观众。

美国海军犯罪调查处（NCIS）

NCIS的历史要追溯到1882年, 由海军部将军 William H. Hunt签署的第292号令成立了海军情报办公室（Office of Naval Intelligence简称ONI） 。 ONI最初的任务是收集关于外国舰船特征和武器装备、绘制外国河流或其它水体的图表, 并且收集外国家设防、工厂设备、及造船厂等信息。

由于预料到美国将参加 第一次世界大战 , ONI的职责扩展为包括间谍活动, 破坏活动, 并且收集信息所有以潜在方式威胁海军的敌人；并且在 第二次世界大战 中ONI则负责任对破坏活动的调查, 处理威胁海军的间谍活动和颠覆活动。

1950年 朝鲜战争 后，主要的特工都没有特权，这种状况持续到 冷战时期 ，1966一个命名为海军调查处（Naval Investigative Service简称NIS）的组织成立了，它是一个与ONI区别组织, 并且在1969年NIS特工成为除去文职的行政人员。

70 年代初期看见了NIS驻守在USS，6个月以巩固Deployment Afloat计划，现在称之为Special Agent Afloat。在1972 年, 刚成立的防御调查处（Defense Investigative Service简称DIS）允许NIS从 背景调查 中抽出来，而让他们对邢事犯罪和反间谍进行调查。

1982年, NIS 被升级了到梯形编队II 状态告乱, 有了它自己的资金预算。梯形编队II直接向海军最高长官（Chief of Naval Operations简称CNO）汇报。 那年晚些时候, NIS又承担了对处理海军的执法和保安及海军的信息和人员安全规划。

1983年10月，在轰炸 贝鲁特 之后两个月，NIS创立了海军威胁预警中心（Navy Antiterrorist Alert Center简称ATAC）。ATAC每天24小时的工作就是在有征兆和恐怖袭击来临之前向海军及其 海军陆战队 发出警报。1984年, 特工们开始在位于Georgia的联邦执法训练中心（Federal Law Enforcement Training Center简称FLETC）接受培训，这些训练项目都是为除了FBI以外其它联邦探员安排的。

1985年, Cathal L · Flynn 成为了第一任NIS的高级主管，并增加了信息和人员安全的额外责任。1986年, 海军中央判断机构吵友孝(Navy Central Adjudication Facility简称DON CAF）成立并设立在该处。现在该处每天处理1.7亿的自动化记录和500000的海军部门和美国海岸警卫队的数据。

近代的NCIS历史

在1992年, Roy D·Nedrow成为如今海军犯罪调查处（Naval Criminal Investigative Service简升稿称NCIS）的第一个主管。Nedrow对NCIS进行了改革，在美国内部设立了14个办公室，同时在全球监督了NCIS的140个办事处。1995年, NCIS加入了“冷血谋杀案”调查组。

在1997 年5月, David L. Brant由海军部长 John Dalton 任命为NCIS主任。1999年, NCIS和海军陆战队犯罪调查分部（Marine Corps Criminal Investigative Division简称MCCID）签署了协议 备忘录 ，要求海军陆战队犯罪调查分部（MCCID）融入NCIS。在2000年, 国会授予NCIS特工搜查和逮捕的权利。

在 恐怖主义 日益膨胀的今天，经过了USS COLE 也门 事件和 911事件 后，在2002年NCIS将他们的海军威胁预警中心ATAC演变成为了多样威胁预警中心（Multiple Threat Alert Center简称MTAC）。

【WSDM-2020】【Criteo Research】 Offline A/B testing for Recommender Systems

文章旨在构造实际可用的推荐模型离线评估器，实现没有线上AB实验的情况下，评估目标模型相对线上模型的潜在提升，快速迭代原型，筛选策略。作者提出了两个capped importance sampling[1]的两个变种，解决capped importance sampling假设过于不切实际的问题，并避免Basic Importance Sampling[3,4]与圆滑Doubly Robust[2]方法高方差的风险。

上一节介绍了DR，NIS，capping IS方法的问题，本节继续介绍capping IS的阈值选取以及度作者的启发。并介绍作者提出的NCIS方法。

在实际应用中，几乎没有很好的上限参数 ，能够产生足够小的置信区间，使得CIS可以准确判断 是否优于 。参数 本质上是Bias-Variance trade-off，但是过高的参数 ，可能导致Bias-Variance trade-off失效（参见上节）。因此，实际应用中会采用比较严格的参数 。

作者进行了线上实验，来判断到底选取怎样的 ，能够尽可能的达到偏差-方差最优。下图展示了重要性采样权重的分布情况，横轴表示重要性权重，纵轴是该权重下的密度（每一个点代表一个样本的权重）。三条不同颜色的线分别表示不同的（密度）分位数。样本采样自 具有80%置信度优于 的权重。

下图展示了不同参数 的情况下，对 收益估计的方差和偏差。红线是指标曲线，蓝色线为检测敏感度的阈值，例如，1%的提升。可以看出，在任意的一个指标（偏差或者方差）上，可以选择最优的参数 ，使得测到的结果是置信的，但是无法同时满足两个指标都族腔岁置信。方差的最优参数 ，偏差的最优参数 。 基于这个结果作者提出设计新的估计器来估计参数 引入的偏差，来实现更好的偏差-方差权衡 。

作者利用模型估计不同参数 引入的偏差，并基于NCIS，在不同上下文场景下利用不同的参数 进行对新策略 进行收益估计。

NCIS[5]的具体计算公式如下图所示，其中 是上界所说的capped weighting。

这个公式表明，NCIS在计算一个重新调整后的期望收益，它正比于截断参数的概率密度。

接下来，我们看一下，NCIS是如何估计参数 引入的偏差的。其渐进偏差如下图所示，具体证明参见原文附录。

回顾一下CIS的偏差 ，NCIS不是需要强制偏兆睁差为0，而是通过非截断的估计近似截断估计值。

在zero capping的场景下，NCIS的估计更为直觉。可以看出期望的估计是和动作 以及 都有关系的。

当收益 独立于上下文 和动作 时，收益 可以被认为独立于权重 。在这种情况下，可以认为估计是准确的。当噪声较大时，可以认为期望的近似估计是准确的。因为在这种情况下， 与 和 s的相关性很低。但是在实际场景中，这种条件仍然不能被满足。

NCIS通过调整权重来弥补参数 带来的偏差，然而这种补偿是全局的，数据中却存在不同的子组，具有不同的平均收益，例如不同的用户群体在相同策略下有不同的平均收益，导致用统一的比例调整权重来弥补参数 带来的偏差，不奏效。

重写上述公式2，可以得到NCIS的bias，如下图所示。上述讨论的非全局调整，意味着 可能和其他confounder有关系，例如，用户类型。

因此，作者重写NCIS的偏差为如下图所示的公式，可以看出，公式中偏差是基于用户特征 的，并且该偏差主要受分子的第一部分影响。推荐系统一般是基于用户原有的历史意图来对用户进行推荐，因此，可以认为 和 的相关性较大。从这个角度出发，作者提出了新的非全局补偿的NCIS。

感觉公式比较多，主要是表达，现有的NCIS方法，在进行权重调整的时候，没有把用户相关的影响因素考虑进去，导致偏差大，因此，需要结合用户特征 来进行权重调整。

[1] Léon Bottou and Jonas Peters. 2013. Counterfactual reasoning and learning systems: the example of computational advertising. Proceedings of Journal of Machine Learning Research (JMLR).

[2] Miroslav Dudik, John Langford, and Lihong Li. 2011. Doubly robust policy evaluation and learning. Proceedings of the 28th International Conference on Machine Learning (ICML).

[3] JM Hammersley and DC Handscomb. 1964. Monte Carlo Methods. Chapter.

[4] Daniel G Horvitz and Donovan J Thompson. 1952. A generalization of sampling without replacement from a finite universe. Journal of the American statistical Association.

[5] AdithSwaminathanandThorstenJoachims.2015.TheSelf-NormalizedEstimator for Counterfactual Learning. Proceeding of Neural Information Processing Systems (NIPS).