Python数据分析与挖掘,python进行数据挖掘

　　一、碎碎念

　　学过的东西因为懒还没整理，现在慢慢在补。

　　二、数据挖掘概述

　　1.什么是数据挖掘？

　　数据挖掘(Data mining，DM)是指通过统计学、人工智能、机器学习等方法，从大量数据中挖掘未知的、有价值的信息和知识的过程。

　　啤酒和尿布，杜蕾斯和口红，杜蕾斯和红酒。==达到增加商品销量的目的。

　　对数据挖掘的误解：

　　[实际]:

　　1.数据挖掘就是人们处理商业问题的某些方法，我们通过它得到更有价值的结果。

　　2.事实上，最好的数据挖掘工程师是那些熟悉和了解业务的人。

　　2.数据分析和数据挖掘的区别是什么？

　　3.模型和算法

　　3.1模型：（包含一种或多种算法）

　　定量：数学公式(Y=a*X)

　　定性：规则(年龄30岁，收入1万元)

　　3.2算法：实现数据挖掘技术、模型的具体步骤与方法。（结合编程解决）

　　三、数据挖掘常见问题

　　3.1分类问题：

　　3.1.1常见的分类方法：==解决方案(用户流失、推广响应、用户信用评估)

　　1)决策树

　　2)贝叶斯

　　3)KNN

　　4)支持向量机

　　5)神经网络

　　6)逻辑回归

　　……

　　3.2聚类问题：

　　的群集目标尚未预先确定。==物以类聚的原理，相似事物的分类方法。

　　3.2.1常见聚类算法：==解决方案(目标市场细分、现有客户细分)

　　1)分区和聚类

　　2)层次聚类

　　3)密度聚类

　　4)网格聚类

　　5)基于模型的聚类

　　……

　　3.3关联分析：（购物篮分析）

　　3.3.1关联常见算法：==Solve(哪些商品同时购买概率大，如何提高商品销售和交叉销售)

　　1)Aprior算法

　　2)Carma算法

　　3)序列算法

　　3.4预测分析：

　　3.4.1预测常见方法==(未来气候、GDP增长、收入用户预测……)

　　1)简单线性回归分析

　　2)多元线性回归分析

　　3)时间序列

　　……

　　四、数据挖掘流程

　　CRISP-DM数据挖掘方法论：（循环探索过程）

　　4.1阶段一：商业理解（了解项目要求和最终目的）

　　1)确定业务目标

　　2)确定挖掘目标。

　　3)制定项目计划。

　　4.2阶段二：数据理解

　　摸清企业内外部数据，了解数据质量。

　　4.3阶段三：数据准备

　　4.4阶段四：模型构建

　　4.5阶段五：模型评估

　　4.6阶段六：模型部署

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。