人人都应该掌握的9种数据分析思维-深度学习世界
|
说到数据分析，啤酒和尿布的例子大家应该都听腻了。再具体、深入一些的内容，往往因为数学就令很多人望而却步了。给大家分享9个不带数学推导的数据分析思路，希望大家能喜欢~
1.分类 分类分析的目标是：给一批人(或者物)分成几个类别，或者预测他们属于每个类别的概率大小。 举个栗子：“京东的用户中，有哪些会在618中下单?”这就是个典型的二分类问题：买or不买。 分类分析(根据历史信息)会产出一个模型，来预测一个新的人(或物)会属于哪个类别，或者属于某个类别的概率。结果会有两种形式： 形式1：京东的所有用户中分为两类，要么会买，要么不会买。 形式2：每个用户有一个“会买”，或者“不会买”的概率(显然这两个是等效的)。“会买”的概率越大，我们认为这个用户越有可能下单。 如果为形式2画一道线，比如0.5，大于0.5是买，小于0.5是不买，形式2就转变成形式1了。 回归任务的目标是：给每个人(或物)根据一些属性变量来产出一个数字(来衡量他的好坏)。 举个栗子：每个用户在618会为京东下单多少钱的? 注意回归和分类的区别在：分类产出的结果是 固定的几个选项之一 ，而 回归的结果是连续的数字，可能的取值是无限多的 。 聚类任务的目标是：给定一批人(或物)，在不指定目标的前提下，看看哪些人(或物)之间更接近。 注意聚类和上面的分类和回归的本质区别：分类和回归都会有一个给定的目标(是否下单，贷款是否违约，房屋价格等等)，聚类是没有给定目标的。 举个栗子：给定一批用户的购买记录，有没有可能分成几种类型?(零食狂魔，电子爱好者，美妆达人……) 相似匹配任务的目标是：根据已知数据，判断哪些人(或物)跟特定的一个(一批)人(或物)更相似。 举个栗子：已知一批在去年双十一下单超过10000元的用户，哪些用户跟他们比较相似? 频繁集发现的目标是：找出经常共同出现的人(或物)。这就是大名鼎鼎的“啤酒和尿布”的例子了。这个例子太容易扩展，就不再举栗子啦。 统计描述任务的目标是最好理解的：具有哪些属性的人(或物)在什么状态下做什么什么事情。 举个栗子：5月份一个月内每个用户在京东7天内无条件退货的次数 统计描述常常用户欺诈检测，试想一个用户一个月退货100+次，这会是一种什么情况? 连接预测的目标是：预测本应该有联系(暂时还没有)的人(或物)。 举个栗子：你可能认识xxx?你可能想看xxx? 数据压缩的目的是：减少数据集规模，增加信息密度。 举个栗子：豆瓣想分析用户关于国外电影的喜好，讲国内电影的评分数据都排除掉大数据，也不是数据越多越好，数据多带来的信息多，但是噪声也会变多。 顾名思义，因果分析的目标是：找出事物间相互影响的关系。 举个栗子：广告的效果提升的原因是广告内容好?还是投放到了更精准的用户? 这里最常见的手段就是A/B test啦 数据分析是非常强大的，不过当然还是要在具体的情景下，严格的选择假设，采用科学的分析方法才能产出有价值的结果。数据会说谎的经典案例就是“安慰剂效应”了。以后会分享其他更具体的内容，欢迎大家留言吐槽，一起学习~ 来源：安卓网 近期精彩活动（直接点击查看）： 福利 · 阅读 | 免费申请读大数据新书 第21期 投稿和反馈请发邮件至963487690@qq.com。转载大数据公众号文章，请向原文作者申请授权，否则产生的任何版权纠纷与大数据无关。 为大家提供与大数据相关的最新技术和资讯。
近期精彩文章（直接点击查看）： 华为内部狂转好文，大数据，看这一篇就够了！ 读完这100篇论文，你也是大数据高手！ 如何建立数据分析的思维框架 百度内部培训资料PPT：数据分析的道与术 论大数据的十大局限 打包带走！史上最全的大数据分析和制作工具 数据揭秘：中国姓氏排行榜 程序猿分析了42万字歌词后，终于搞清楚民谣歌手唱什么了 计算机告诉你，唐朝诗人之间的关系到底是什么样的？ 数据分析:微信红包金额分配的秘密 2000万人口的大北京,上下班原来是这样的(附超炫蝌蚪图) 大数据等IT职业技能图谱【全套17张，第2版】 不要跟赌场说谎，它真的比你老婆还了解你 如果看了这篇文章你还不懂傅里叶变换，那就过来掐死我吧 不做无效的营销，从不做无效的用户画像开始 更多精彩文章，请在公众号后台点击“历史文章”查看，谢谢。 （编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
