很可惜 T 。T 您現在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請把文章發(fā)送到郵箱tougao@appcpx.com，一經錄用會有專人和您聯系
咨詢如何成為春羽作者請聯系：鳥哥筆記小羽毛（ngbjxym）
作者介紹
@貓耳朵
專注于數據分析；
“數據人創(chuàng)作者聯盟”成員。
豆豆和花花開了一家鮮花店。豆豆跟花花說：“情人節(jié)快到了，咱店都需要準備哪類情人節(jié)花束？每類花束需要準備多少？……” 花花回答道，“根據顧客分類，大致分為自信示愛、甜蜜上心、星河摯愛等共8類。前三類去年賣地特別好，今年需要提供比上年多30%的花束，……”。
豆豆說：“鮮花的保質期特別短，所以，多購買的鮮花只能從30%降至10%，既可以控制成本，又可以積攢口碑?！?/p>
在上面案例中，花花制定采購方案首先進行顧客分類，在數據挖掘領域，可以使用無監(jiān)督模型（例如k-means），也可以使用分類模型（例如KNN、決策樹、邏輯回歸等）將用戶分群?；ɑA估“今年需要提供比上一年高30%的花束”，在數據挖掘領域，可以使用回歸模型進行預測。
接下來，筆者就跟你淺談一下數據挖掘。
首先，我們對機器學習和數據挖掘的定義做一下總結：
數據挖掘是指從大量的、不完全的、有噪聲的、模糊的、隨機的數據中通過算法搜索隱藏于其中信息的過程。換句話說，數據挖掘試圖從海量數據中找到有用的信息。
機器學習是一類從數據中自動分析獲得規(guī)律，并利用規(guī)律對未知數據進行預測的算法。也就是說，機器學習就是將現實生活中的問題抽象成數學模型，利用數學方法對這個數學模型進行求解，從而解決現實生活中的問題。
1.2.1 聯系
數據挖掘受到很多學科領域的影響，其中包括數據庫、機器學習、統(tǒng)計學、領域知識及模式識別等領域。簡而言之，對于數據挖掘，數據庫提供數據存儲技術，機器學習和統(tǒng)計學提供數據分析技術。
統(tǒng)計學經常忽視實際的效用醉心于理論的優(yōu)美，因此，統(tǒng)計學提供的大部分技術都要在機器學習領域進一步研究，變成機器學習算法后才能進入數據挖掘領域。從這方面來講，統(tǒng)計學主要是通過機器學習來對數據挖掘發(fā)揮影響，而機器學習和數據庫則是數據挖掘的兩大支撐。
簡言之，機器學習為數據挖掘提供解決實際問題的方法，數據挖掘中算法的成功應用，說明了機器學習對算法的研究具有實際運用價值。
1.2.2 區(qū)別
從數據分析來講，大多數數據挖掘技術都是來自于機器學習，但是機器學習研究不把海量數據作為處理對象，因此，數據挖掘需要對算法進行改造，使得算法性能和空間占用達到實用的地步。同時，數據挖掘還有自身獨特的內容——關聯分析。
至于，數據挖掘和模式識別，從概念上區(qū)分，數據挖掘重在發(fā)現知識，模式識別重在認識事物。
簡言之，機器學習注重相關機器學習算法的理論研究和算法提升，更偏向理論和學術；數據挖掘注重運用算法或者其他某種模式解決實際問題，更偏向實踐和運用。
機器學習的方法是基于數據產生的“模型”的算法，也稱為“學習算法”。機器學習方法包括有監(jiān)督學習、無監(jiān)督學習、半監(jiān)督學習和強化學習。
有監(jiān)督學習指對數據的若干特征與標簽之間的關聯性進行建模的過程。它的主要目標是從有標簽的訓練數據中學習模型，以便對未知或未來的數據做出預測。
以用戶是否會復購鮮花為例，可以采用監(jiān)督學習算法在打過標簽的（正確標識是與否）數據上訓練模型，然后用該模型來預測新用戶是否屬于粘性用戶。
標簽為離散值的監(jiān)督學習任務稱為「分類任務」，例如上述的用戶是否會復購鮮花示例。常用的分類模型包括KNN、決策樹、邏輯回歸等。
標簽為連續(xù)值的監(jiān)督學習任務稱為「回歸任務」，例如根據歷史數據預測未來的銷售額。常用的回歸模型為線性回歸、非線性回歸和嶺回歸等。
注意：機器學習領域的預測變量通常稱為特征，而響應變量通常稱為目標變量或標簽。
無監(jiān)督學習指對不帶任何標簽的數據特征進行建模，通常被看成是一種“讓數據自己介紹自己”的過程。也就是說，用無監(jiān)督學習，可以在沒有目標變量或獎勵函數的指導下，探索數據結構來提取有意義的信息。
這類模型包括「聚類任務」和「降維任務」。其中，聚類算法可以將數據分成不同的組別，而降維算法追求用更簡潔的方式表現數據。
半監(jiān)督學習方法介于有監(jiān)督學習和無監(jiān)督學習之間，通常在數據不完整時使用。
強化學習不同于監(jiān)督學習，它將學習看作是試探評價過程，以“試錯”的方式進行學習，并與環(huán)境交互已獲得獎懲指導行為，以其作為評價。也就是說，強調如何基于環(huán)境而行動，以取得最大化的預期利益。
此時，系統(tǒng)靠自身的狀態(tài)和動作進行學習，從而改進行動方案以適應環(huán)境。
從數據本身來考慮，數據挖掘建模過程通常需要有理解商業(yè)、理解數據、準備數據、建模型、評估模型和部署模型6個步驟。
理解商業(yè)算是數據挖掘中最重要的一部分，在這個階段我們需要明確商業(yè)目標、評估商業(yè)環(huán)境、確定挖掘目標以及產生一個項目計劃。
簡單地說，就是針對不同的業(yè)務場景，需要明白挖掘的目標是什么，需要達到什么樣的效果。用大白話講，就是你到底想干啥。
仍以鮮花店為例，為了提高銷售額，店員可以幫助客戶快速找到他感興趣的花束，同時在保證用戶體驗的情況下，為其附加一個可接受的小飾品，比如花瓶、零食、香水等。
數據是挖掘過程的“原材料”，在數據理解過程中我們需要了解都有哪些數據，這些數據的特征是什么，可以通過對數據進行描述分析得到數據的特點。其中，了解有哪些數據尤為重要，其決定了后期工作進展的順利程度。
比如和花店有關的數據：
1）鮮花數據：鮮花名稱、鮮花品類、采購時間、采購數量、采購金額等。
2）經營數據：經營時間、預定時間、預定品類、預定人數等。
3）其他數據：是否為節(jié)假日、用戶口碑、競爭對手動向、天氣情況等。
在數據準備階段我們需要對數據作出清洗、重建、合并等操作。選出要進行分析的數據，并對不符合模型輸入要求的數據進行規(guī)范化操作。主要是為建模準備數據，可以從數據預處理、特征提取、特征選擇等幾方面出發(fā)，整理如下：
1）缺失值：由于個人隱私或設備故障導致某些觀測值在某些緯度上的漏缺，通常稱為缺失值。缺失值存在可能會導致模型結果的錯誤，所以針對缺失值可以考慮刪除、眾數或均值填充等解決。
2）異常值：由于遠離正常樣本的觀測點，它們的存在同樣會對模型的準確型造成影響?？梢酝ㄟ^象限圖或3sigma（正態(tài)分布）進行判斷，如果是，可以考慮刪除或單獨處理。
3）量綱不一致：模型容易受到不同量綱的影響，因此需要通過標準化方法（通常采用歸一化、Normalization之類的方法）將數據進行轉換。
4）維度災難：當數據集中包含上百乃至上千萬的變量時，往往會提高模型的復雜度，從而影響模型的運行效率，所以需要采用方差分析、相關分析、主成分分析等手段實現降維。
一般情況下，預處理將占整個數據挖掘流程80%左右的時間。在保證數據“干凈”的前提下，需要選出合適的模型。以下是常用的機器算法。
1）分類模型：KNN、決策樹、邏輯回歸等。
2）回歸模型：線性回歸、嶺回歸、支持向量回歸等。
3）無監(jiān)督模型：k-means等。
數據挖掘中大部分模型都不是專為解決某個問題而特制的，模型之間相互不排斥。不能說一個問題只能采用某個模型，其他的都不能用。通常來說，針對某個數據分析項目，并不存在所謂的最好的模型，在最終決定選擇哪種模型之前，各種模型都嘗試一下，然后再選取一個較好的。各種模型在不同的環(huán)境中，優(yōu)劣會有所不同。
評估階段主要是對建模結果進行評估，目的是選出最佳的模型，讓這個模型能夠更好地反映數據的真實性。并不是每一次建模都能符合我們的目標，對效果較差的結果分析原因，偶爾也會返回前面的步驟對挖掘過程重新定義。
比如，對于決策樹或者邏輯回歸，即使在訓練集中表現良好，但在測試集中結果較差，說明該模型存在過擬合。
建立的模型需要解決實際的問題，它還包括了監(jiān)督、產生報表和重新評估模型等過程。很多時候建模一般使用spss、python、r等，在建模的過程中只考慮模型的可用性，在生產環(huán)境中通常會利用Java或C++等語言將模型改寫，從而提高運行性能。
-END-
本文為作者獨立觀點，不代表鳥哥筆記立場，未經允許不得轉載。
《鳥哥筆記版權及免責申明》 如對文章、圖片、字體等版權有疑問，請點擊 反饋舉報
我們致力于提供一個高質量內容的交流平臺。為落實國家互聯網信息辦公室“依法管網、依法辦網、依法上網”的要求，為完善跟帖評論自律管理，為了保護用戶創(chuàng)造的內容、維護開放、真實、專業(yè)的平臺氛圍，我們團隊將依據本公約中的條款對注冊用戶和發(fā)布在本平臺的內容進行管理。平臺鼓勵用戶創(chuàng)作、發(fā)布優(yōu)質內容，同時也將采取必要措施管理違法、侵權或有其他不良影響的網絡信息。
一、根據《網絡信息內容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護法》等法律法規(guī)，對以下違法、不良信息或存在危害的行為進行處理。
1. 違反法律法規(guī)的信息，主要表現為：
1)反對憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權，破壞國家統(tǒng)一，損害國家榮譽和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽、榮譽；
4)宣揚恐怖主義、極端主義或者煽動實施恐怖活動、極端主義活動；
5)煽動民族仇恨、民族歧視，破壞民族團結；
6)破壞國家宗教政策，宣揚邪教和封建迷信；
7)散布謠言，擾亂社會秩序，破壞社會穩(wěn)定；
8)宣揚淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動非法集會、結社、游行、示威、聚眾擾亂社會秩序；
10)侮辱或者誹謗他人，侵害他人名譽、隱私和其他合法權益；
11)通過網絡以文字、圖片、音視頻等形式，對未成年人實施侮辱、誹謗、威脅或者惡意損害未成年人形象進行網絡欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內容；
2. 不友善：不尊重用戶及其所貢獻內容的信息或行為。主要表現為：
1)輕蔑：貶低、輕視他人及其勞動成果；
2)誹謗：捏造、散布虛假事實，損害他人名譽；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對方對自己的言論作出回應，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對方難堪；
6)謾罵：以不文明的語言對他人進行負面評價；
7)歧視：煽動人群歧視、地域歧視等，針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗、擾亂本網站秩序的內容，或進行相關行為。主要表現為：
1)多次發(fā)布包含售賣產品、提供服務、宣傳推廣內容的垃圾廣告。包括但不限于以下幾種形式：
2)單個帳號多次發(fā)布包含垃圾廣告的內容；
3)多個廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內容；
4)多次發(fā)布包含欺騙性外鏈的內容，如未注明的淘寶客鏈接、跳轉網站等，誘騙用戶點擊鏈接
5)發(fā)布大量包含推廣鏈接、產品、品牌等內容獲取搜索引擎中的不正當曝光；
6)購買或出售帳號之間虛假地互動，發(fā)布干擾網站秩序的推廣內容及相關交易。
7)發(fā)布包含欺騙性的惡意營銷內容，如通過偽造經歷、冒充他人等方式進行惡意營銷；
8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內容審核的廣告內容。
4. 色情低俗信息，主要表現為：
1)包含自己或他人性經驗的細節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內容；
4)帶有性暗示、性挑逗等易使人產生性聯想；
5)展現血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚低俗、庸俗、媚俗內容。
5. 不實信息，主要表現為：
1)可能存在事實性錯誤或者造謠等內容；
2)存在事實夸大、偽造虛假經歷等誤導他人的內容；
3)偽造身份、冒充他人，通過頭像、用戶名等個人信息暗示自己具有特定身份，或與特定機構或個人存在關聯。
6. 傳播封建迷信，主要表現為：
1)找人算命、測字、占卜、解夢、化解厄運、使用迷信方式治?。?br /> 2)求推薦算命看相大師；
3)針對具體風水等問題進行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標題黨，主要表現為：
1)以各種夸張、獵奇、不合常理的表現手法等行為來誘導用戶；
2)內容與標題之間存在嚴重不實或者原意扭曲；
3)使用夸張標題，內容與標題嚴重不符的。
8.「飯圈」亂象行為，主要表現為：
1)誘導未成年人應援集資、高額消費、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號召粉絲、雇用網絡水軍、「養(yǎng)號」形式刷量控評等行為
5)通過「蹭熱點」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內容，主要表現為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導未成年人不良嗜好影響未成年人身心健康的；
2)不當評述自然災害、重大事故等災難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對網絡生態(tài)造成不良影響的其他內容。
二、違規(guī)處罰
本網站通過主動發(fā)現和接受用戶舉報兩種方式收集違規(guī)行為信息。所有有意的降低內容質量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當一個用戶發(fā)布違規(guī)內容時，本網站將依據相關用戶違規(guī)情節(jié)嚴重程度，對帳號進行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號，或者濫用多個帳號發(fā)布違規(guī)內容時，本網站將加重處罰。
三、申訴
隨著平臺管理經驗的不斷豐富，本網站出于維護本網站氛圍和秩序的目的，將不斷完善本公約。
如果本網站用戶對本網站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網站進行反饋。
(規(guī)則的最終解釋權歸屬本網站所有)