基于案例學(xué)習(xí)數(shù)據(jù)挖掘-第12周

1、基于案例學(xué)習(xí)數(shù)據(jù)挖基于案例學(xué)習(xí)數(shù)據(jù)挖掘 第十二【】【】GGM（煉數(shù)成金），組看的培訓(xùn)GGM（煉數(shù)成金），組看的培訓(xùn)實(shí)質(zhì)：分類算法實(shí)際上是根屬性來計(jì)和類別的從屬過程：對(duì)于實(shí)質(zhì)：分類算法實(shí)際上是根屬性來計(jì)和類別的從屬過程：對(duì)于這個(gè)優(yōu)秀的算法來講，其實(shí)它的任務(wù)從來都是進(jìn)行概率的分配，例如針對(duì)三個(gè)類的分類任務(wù)，那么算法的主要任務(wù)就是將每屬于類別的可能性以概率形來使用來，對(duì)于分類算法的使用率可謂是十分低下 每一個(gè)分類算法都精準(zhǔn)地將概率分配計(jì)算只利用了一個(gè)閾值來確定類別歸 分類算法淺談（一已知概可以假設(shè)有這樣一個(gè)執(zhí)行過分已知概可以假設(shè)有這樣一個(gè)執(zhí)行過分類任務(wù)的數(shù)據(jù)集，即每都被賦予了類別歸屬為 的方法來自定

2、義：對(duì)于擁有大量數(shù)據(jù)的銷售項(xiàng)目可以有另外的使用方置信度為 該如 個(gè)置信度為 分類算法淺談（二前提：算法計(jì)算后，每的置信度都在【 】區(qū)間，那么為了最大化利用這個(gè)“得之不易的結(jié)果其實(shí)可以自定前提：算法計(jì)算后，每的置信度都在【 】區(qū)間，那么為了最大化利用這個(gè)“得之不易的結(jié)果其實(shí)可以自定義分分級(jí)代替分類：事實(shí)上，有時(shí)不僅需要知道用戶決定，還需要知道用愿的強(qiáng)烈程度，很明顯，置信度是可以代意愿自定義：可以根據(jù)實(shí)際需要對(duì)用戶進(jìn)行分級(jí)，例如按照置信度分為等距的 級(jí)用戶置信區(qū)組 【 【 【 【 【 分類算法淺談（三【 【 【 【 【 解釋沒有辦法認(rèn)為置信度為 的客戶和置信度為 的客戶對(duì)是解釋沒有辦法認(rèn)為置信度為

3、 的客戶和置信度為 的客戶對(duì)是同樣重要的方便檢驗(yàn)：在6中已經(jīng)提到在普通的閾值下，置信度為 左右的用戶被誤判的可能性大，所以按照分組來“整體觀察”的話，會(huì)減少不必要的思考時(shí)示例分級(jí)檢驗(yàn)（非真實(shí)數(shù)據(jù)分級(jí)的意級(jí)別區(qū)用戶實(shí)實(shí)比【 【 【 【 【 【 【 【 【 【 向：即最強(qiáng)的客戶開，這樣向：即最強(qiáng)的客戶開，這樣可以做到效率最大圖：橫軸客戶量占比，縱軸客戶量占分級(jí)指 圖 】一個(gè)假設(shè)：假有每個(gè)用的置信度（注意，這個(gè)和實(shí)行為不同用戶 置信 如何計(jì)算置信指標(biāo)標(biāo)準(zhǔn)化：之前提過，標(biāo)準(zhǔn)化支持自定義模式，即按照需求進(jìn)行標(biāo)準(zhǔn)化指標(biāo)KPI：這樣每個(gè)指標(biāo)（即指標(biāo)標(biāo)準(zhǔn)化：之前提過，標(biāo)準(zhǔn)化支持自定義模式，即按照需求進(jìn)行標(biāo)準(zhǔn)化

4、指標(biāo)KPI：這樣每個(gè)指標(biāo)（即維度）都可以理解成16/，反映用戶的關(guān)鍵指 用戶置信 用戶評(píng)價(jià)體與屬性：屬性是描較為相的，所以如果兩的每個(gè)屬性都很接近可以認(rèn)為兩戶與屬性：屬性是描較為相的，所以如果兩的每個(gè)屬性都很接近可以認(rèn)為兩戶以類聚：如能夠把滿足如下條件都劃分到一起，人工在一起，那么優(yōu)有兩個(gè)，首先，可以看到人共劃分組的規(guī)模大小，即一般的客戶集中在那些區(qū)域；其次，可觀察這些相組成的整體，整體的表現(xiàn)如)()用戶分用戶將 和 這樣在一起，觀察群屬性，對(duì)于研究用戶行為的意義是十分的，這其中有一個(gè)明顯怎么提取群體特征：按照之前的步這些組呢可以將怎么提取群體特征：按照之前的步這些組呢可以將所有用戶分成若干個(gè)

5、組，那如何來描述已有用戶代表（虛擬用戶）：給出幾個(gè)參考概念，4平均先生（）、各科平均分等概用戶代率 用戶 用戶 *E *E *E GES GES ES組 算學(xué)生成績(jī)每 這個(gè)操作讓群體用戶數(shù)據(jù)量4變成了一條用戶組的用戶量：不同的4在一定程度代表用戶組的用戶量：不同的4在一定程度代表了兩件事，首先是這個(gè)群組的規(guī)掉的，一般4$ 為約束條件（所以精準(zhǔn)用戶組用戶*平平均 率讓4比較率- - (- (有效群組和代線性回歸：在這個(gè)模型之需要兩個(gè)假第一：組內(nèi)客線性回歸：在這個(gè)模型之需要兩個(gè)假第一：組內(nèi)客戶特征相同（實(shí)際上為相近，并非相同第二：4足夠大率可以認(rèn)為是該組用戶代的置如果以上兩個(gè)概念你理解，那么這個(gè)分

6、析過程幾乎會(huì)在邏輯上貫穿始終率（66）為2GHKR變量，其他變量為常規(guī)變量，數(shù)最后的公式自然是66#2 2 + 4其中24為模型結(jié)果對(duì)應(yīng)的系就直接記住24可以在*3十分簡(jiǎn)單的模用戶評(píng)用戶評(píng)評(píng)價(jià)如何理解：置信度即在這一次的挖掘下該用商品可能性的一個(gè)度量，注意，信度不等同于概率的含評(píng)價(jià)如何使用：盡管如此， 仍然 成用戶的 概率這一概念，但注意的是這是一個(gè)群體概念，因?yàn)閷?duì)于個(gè)人來講， 的行為只可能為 和 ，不存在中間的情況， 這里給不能簡(jiǎn)地認(rèn)為置信用戶 的用戶定，而置信度為 則意味著 名這的期望為 人 用戶評(píng)初始客戶分等級(jí)（對(duì)比6 概率的一點(diǎn)處理這里用到的是線性回歸，所以在應(yīng)用模型后，難免會(huì)初始客戶

7、分等級(jí)（對(duì)比6 概率的一點(diǎn)處理這里用到的是線性回歸，所以在應(yīng)用模型后，難免會(huì)有一小部分用戶概率會(huì)在【 】之外采取就近原則來處理，替換為或客戶分等級(jí)： 等級(jí)制，在下面的表格中可以看的 等級(jí)制是如何劃分 等級(jí)制是一個(gè)參考，為和管理分組，如果實(shí)際方掘項(xiàng)目用戶量與此差別較大，可采取別的標(biāo)準(zhǔn)能計(jì)算概率續(xù)的，支持一切自定義用戶等KES（ ,0（ （ （ 如何來驗(yàn)證值來進(jìn)行比根據(jù)每個(gè)用戶率來計(jì)算一個(gè)群組期望（概率相加），期望值和真如何評(píng)價(jià)：要結(jié)合群組內(nèi)的用戶誤差來綜合評(píng)價(jià)準(zhǔn)確度，實(shí)踐證明，該方法準(zhǔn)確度十分理數(shù)客戶比用戶占比用戶占比結(jié)合向驗(yàn)證兩條的可 如何來驗(yàn)證值來進(jìn)行比根據(jù)每個(gè)用戶率來計(jì)算一個(gè)群組期望（概率相加），期望值和真如何評(píng)價(jià)：要結(jié)合群組內(nèi)的用戶誤差來綜合評(píng)價(jià)準(zhǔn)確度，實(shí)踐證明，該方法準(zhǔn)確度十分理數(shù)客戶比用戶