zoukankan      html  css  js  c++  java
  • #数据挖掘与数据化运营实战#2.3数据挖掘技术以及在数据化运营中的应用

    编号

    数据挖掘技术

    应用

    算法

    优势

    劣势

    1

    决策树(Decision Tree)

    用户划分、行为预测、规则梳理

    CHAID
    CART
    ID3、C4.5、C5.0

    1、决策树的构造不需要任何领域的知识,很适合探索式的知识发掘,并且可以处理高维度的数据
    2、决策树所产生的一系列从树根到树枝(或树叶)的规则,可以很容易地被分析师和业务人员理解,而且这些典型的规则甚至不用整理(或稍加整理),就是现成的可以应用的业务优化策略和业务优化路径
    3、决策树技术对数据的分布甚至缺失非常宽容,不容易受到极值的影响

      

    2

    神经网络

    用户划分、行为预测、营销响应

    反馈传播

    1、自适应性、自组织性和高容错性,并且具有较强的学习、记忆和识别功能

    1、知识和结果的不可预测性

    3

    回归

    预测、分类、"二选一"事件

    逻辑回归

    1、很好地回答预测、分类等数据化运营中常见的分析项目主题

      

    4

    关联规则

    推荐

    Apriori算法

      

      

    5

    聚类

    用户划分;可以作为数据探索的工具,包括发现离群点、孤立点,数据降维的手段和方法,通过聚类发现数据间的深层次的关系等

    划分的方法(K-Means)

      

      

    层次的方法

    基于密度的方法

    基于网格的方法

    基于模型的方法

    6

    贝叶斯分类方法

    分类问题的归类等应用场景

    朴素贝叶斯

      

      

    7

    支持向量机

    预测、分类

      

    1、对于复杂的非线性的决策边界的建模能力高度准确,并且也不太容易过拟合

    1、训练数据较大

    8

    主成分分析

    数据处理、降维、变量间关系探索

      

      

      

    9

    假设检验

    运营效果评估

      

      

      

  • 相关阅读:
    SQL Server profile使用技巧
    Java 十进制和十六制之间的转化(负数的处理)
    Step By Step(Lua调用C函数)
    Python、Lua和Ruby之优劣
    C++注释规范
    树莓派、 Arduino 、传统单片机开发板该如何选择?
    正则表达式
    python 读写文件
    python连接Oracle数据库
    MySQL获取Schema表名和字段信息
  • 原文地址:https://www.cnblogs.com/applre/p/4695335.html
Copyright © 2011-2022 走看看