大數(shù)據(jù)數(shù)據(jù)挖掘案例

大數(shù)據(jù)數(shù)據(jù)挖掘案例【篇一：大數(shù)據(jù)數(shù)據(jù)挖掘案例】本文為系列文，該篇為第一篇。下面是正文：簡而言之，數(shù)據(jù)挖掘（datamining）是有組織有目的地收集數(shù)據(jù)，通過分析數(shù)據(jù)使之成為信息，從而在大量數(shù)據(jù)中尋找潛在規(guī)律以形成規(guī)則或知識的技術。在本文中，我們從數(shù)據(jù)挖掘的實例出發(fā)，并以數(shù)據(jù)挖掘中比較典型的分類算法入手，給讀者介紹我們?nèi)绾芜\用數(shù)據(jù)挖掘的技術解決現(xiàn)實中出現(xiàn)的問題。數(shù)據(jù)挖掘是如何解決問題的？本節(jié)通過幾個數(shù)據(jù)挖掘?qū)嶋H案例來詮釋如何通過數(shù)據(jù)挖掘解決商業(yè)中碰到的問題。下面有關“啤酒和尿不濕”的故事是數(shù)據(jù)挖掘中最典型的案例。而target公司通過“懷孕預測指數(shù)”來預測女顧客與否懷孕的案例也是近來為數(shù)據(jù)挖掘?qū)W者最津津樂道的一種話題。尿不濕和啤酒諸多人會問，終究數(shù)據(jù)挖掘能夠為公司做些什么？下面我們通過一種在數(shù)據(jù)挖掘中最典型的案例來解釋這個問題——一種有關尿不濕與啤酒的故事。超級商業(yè)零售連鎖巨無霸沃爾瑪公司（walmart）擁有世上最大的數(shù)據(jù)倉庫系統(tǒng)之一。為了能夠精確理解顧客在其門店的購置習慣，沃爾瑪對其顧客的購物行為進行了購物籃關聯(lián)規(guī)則分析，從而懂得顧客經(jīng)常一起購置的商品有哪些。在沃爾瑪龐大的數(shù)據(jù)倉庫里集合了其全部門店的具體原始交易數(shù)據(jù)，在這些原始交易數(shù)據(jù)的基礎上，沃爾瑪運用數(shù)據(jù)挖掘工具對這些數(shù)據(jù)進行分析和挖掘。一種令人驚奇和意外的成果出現(xiàn)了：“跟尿不濕一起購置最多的商品竟是啤酒”！這是數(shù)據(jù)挖掘技術對歷史數(shù)據(jù)進行分析的成果，反映的是數(shù)據(jù)的內(nèi)在規(guī)律。那么這個成果符合現(xiàn)狀嗎？與否是一種有用的知識？與否有運用價值？為了驗證這一成果，沃爾瑪派出市場調(diào)查人員和分析師對這一成果進行調(diào)查分析。通過大量實際調(diào)查和分析，他們揭示了一種隱藏在“尿不濕與啤酒”背后的美國消費者的一種行為模式：在美國，到超市去買嬰兒尿不濕是某些年輕的父親下班后的日常工作，而他們中有30%～40%的人同時也會為自己買某些啤酒。產(chǎn)生這一現(xiàn)象的因素是：美國的太太們常囑咐她們的丈夫不要忘了下班后為小孩買尿不濕，而丈夫們在買尿不濕后又隨手帶回了他們喜歡的啤酒。另一種狀況是丈夫們在買啤酒時忽然記起他們的責任，又去買了尿不濕。既然尿不濕與啤酒一起被購置的機會諸多，那么沃爾瑪就在他們?nèi)康拈T店里將尿不濕與啤酒并排擺放在一起，成果是得到了尿不濕與啤酒的銷售量雙雙增加。按常規(guī)思維，尿不濕與啤酒風馬牛不相及，若不是借助數(shù)據(jù)挖掘技術對大量交易數(shù)據(jù)進行挖掘分析，沃爾瑪是不可能發(fā)現(xiàn)數(shù)據(jù)內(nèi)這一有價值的規(guī)律的。target和懷孕預測指數(shù)有關數(shù)據(jù)挖掘的應用，近來尚有這樣一種真實案例在數(shù)據(jù)挖掘和營銷挖掘領域廣為流傳。美國一名男子闖進他家附近的一家美國零售連鎖超市target店鋪（美國第三大零售商塔吉特）進行抗議：“你們居然給我17歲的女兒發(fā)嬰兒尿片和童車的優(yōu)惠券?！钡赇伣?jīng)理立刻向來者承認錯誤，但是其實該經(jīng)理并不懂得這一行為是總公司運行數(shù)據(jù)挖掘的成果。如圖所示。一種月后，這位父親來道歉，由于這時他才懂得他的女兒確實懷孕了。target比這位父親懂得他女兒懷孕的時間足足早了一種月。target懷孕預測指數(shù)target能夠通過分析女性客戶購置統(tǒng)計，“猜出”哪些是孕婦。他們從target的數(shù)據(jù)倉庫中挖掘出25項與懷孕高度有關的商品，制作“懷孕預測”指數(shù)。例如他們發(fā)現(xiàn)女性會在懷孕四個月左右，大量購置無香味乳液。以此為根據(jù)推算出預產(chǎn)期后，就搶先一步將孕婦裝、嬰兒床等折扣券寄給客戶來吸引客戶購置。如果不是在擁有海量的顧客交易數(shù)據(jù)基礎上實施數(shù)據(jù)挖掘，target不可能做到如此精確的營銷。電子商務網(wǎng)站流量分析網(wǎng)站流量分析，是指在獲得網(wǎng)站訪問量基本數(shù)據(jù)的狀況下對有關數(shù)據(jù)進行的統(tǒng)計和分析，其慣用手段就是web挖掘。web挖掘能夠通過對流量的分析，協(xié)助我們理解web上的顧客訪問模式。那么理解顧客訪問模式有哪些好處呢？在技術架構上，我們能夠合理修改網(wǎng)站構造及適度分派資源，構建后臺服務器群組，例如輔助改善網(wǎng)絡的拓撲設計，提高性能，在有高度有關性的節(jié)點之間安排快速有效的訪問途徑等。協(xié)助公司更加好地設計網(wǎng)站主頁和安排網(wǎng)頁內(nèi)容。協(xié)助公司改善市場營銷決策，如把廣告放在適宜的web頁面上。協(xié)助公司更加好地根據(jù)客戶的愛好來安排內(nèi)容。協(xié)助公司對客戶群進行細分，針對不同客戶制訂個性化的促銷方略等。人們在訪問某網(wǎng)站的同時，便提供了個人對網(wǎng)站內(nèi)容的反饋信息：點擊了哪一種鏈接，在哪個網(wǎng)頁停留時間最多，采用了哪個搜索項、總體瀏覽時間等。而全部這些信息都被保存在網(wǎng)站日志中。從保存的信息來看，網(wǎng)站即使擁有了大量的網(wǎng)站訪客及其訪問內(nèi)容的信息，但擁有了這些信息卻不等于能夠充足運用這些信息。那么如果將這些數(shù)據(jù)轉(zhuǎn)換到數(shù)據(jù)倉庫中呢？這些帶有大量信息的數(shù)據(jù)借助數(shù)據(jù)倉庫報告系統(tǒng)（普通稱作在線分析解決系統(tǒng)），即使能給出可直接觀察到的和相對簡樸直接的信息，卻也不能告訴網(wǎng)站其信息模式及如何對其進行解決，并且它普通不能分析復雜信息。因此對于這些相對復雜的信息或是不那么直觀的問題，我們就只能通過數(shù)據(jù)挖掘技術來解決，即通過機器學習算法，找到數(shù)據(jù)庫中的隱含模式，報告成果或按照成果執(zhí)行。為了讓電子商務網(wǎng)站能夠充足應用數(shù)據(jù)挖掘技術，我們需要采集更加全方面的數(shù)據(jù)，采集的數(shù)據(jù)越全方面，分析就能越精確。在實際操作中，有下列幾個方面的數(shù)據(jù)能夠被采集：訪客的系統(tǒng)屬性特性。例如所采用的操作系統(tǒng)、瀏覽器、域名和訪問速度等。訪問特性。涉及停留時間、點擊的url等。條款特性。涉及網(wǎng)絡內(nèi)容信息類型、內(nèi)容分類和來訪url等。產(chǎn)品特性。涉及所訪問的產(chǎn)品編號、產(chǎn)品目錄、產(chǎn)品顏色、產(chǎn)品價格、產(chǎn)品利潤、產(chǎn)品數(shù)量和特價等級等。當訪客訪問該網(wǎng)站時，以上有關此訪客的數(shù)據(jù)信息便會逐步被積累起來，那么我們就能夠通過這些積累而成的數(shù)據(jù)信息整頓出與這個訪客有關的信息以供網(wǎng)站使用。能夠整頓成型的信息大致能夠分為下列幾個方面：訪客的購置歷史以及廣告點擊歷史。訪客點擊的超鏈接的歷史信息。訪客的總鏈接機會（提供應訪客的超級鏈接）。訪客總的訪問時間。訪客所瀏覽的全部網(wǎng)頁。訪客每次會話的產(chǎn)出利潤。訪客每月的訪問次數(shù)及上一次的訪問時間等。訪客對于商標總體正面或負面的評價。分類：從人臉識別系統(tǒng)說起美國電視劇《反恐24小時》中有一集，當一種恐怖分子用手機撥打了一種電話，從ctu（反恐部隊）的計算機系統(tǒng)中便立刻發(fā)出恐怖分子出現(xiàn)的預警。諸多好萊塢的大片中這類智能系統(tǒng)的應用也比比皆是，它能從茫茫人群中實時找出正在苦苦追蹤的恐怖分子或間諜。而在北京奧運會上，最引人注意的it熱點莫過于“實時人臉識別技術”在奧運會安檢系統(tǒng)中的應用，這種技術通過對人臉核心部位的數(shù)據(jù)采集，讓系統(tǒng)能夠精確地識別出全部進出奧運場館的觀眾身份?，F(xiàn)在人臉識別技術正廣泛的應用于多個安檢系統(tǒng)中，警方只需將犯罪分子的臉部數(shù)據(jù)采集到安檢數(shù)據(jù)庫，那么只要犯罪分子一出現(xiàn)，系統(tǒng)就能精確地將其識別出來?，F(xiàn)如今人臉識別技術已經(jīng)相對成熟，谷歌在picasa照片分享軟件的工具中就已經(jīng)加入了人臉識別功效。固然，人臉識別技術牽涉到隱私，是把雙刃劍，谷歌在谷歌街景地圖中故意將人臉含糊化，變得無法識別就是這個因素。如圖所示為人臉識別示意圖。人臉識別示意圖即使需要借力于其它技術，但是人臉識別中的重要技術還是來自于數(shù)據(jù)挖掘中的分類算法（classification）。讓我們從一種最簡樸的事實來解釋分類的思想。構想一下，一天中午，你第一次到三里屯，站在幾家以前從未去過的餐廳門前，現(xiàn)在的問題是該選擇哪家餐廳用餐。應當如何選擇呢？假設您沒有帶手機，無法上網(wǎng)查詢，那么可能會出現(xiàn)以下兩種狀況：一種，你記起某位朋友去過其中一家，并且仿佛他對這家的評價還不錯，這時，你很有可能就直接去這家了。第二種，沒有類似朋友推薦這類先驗知識，你就只能從自己以往的用餐經(jīng)歷中來選擇了，例如你可能會比較餐廳的品牌和用餐環(huán)境，由于似乎以前的經(jīng)歷告訴自己，品牌響、用餐環(huán)境好的餐廳可能味道也會好。不管與否意識得到，在最后決定去哪家吃的時候，我們已經(jīng)根據(jù)自己的判斷原則把候選的這幾家餐廳分類了，可能分成好、中、差三類或者值得去、不值得去兩類。而最后去了自己選擇的那家餐廳，吃完過后我們自然也會根據(jù)自己的真實體驗來鑒定我們的判斷準則與否對的，同時根據(jù)這次的體驗來修正或改善自己的判斷準則，決定下次與否還會來這家餐廳或者與否把它推薦給朋友。選擇餐廳的過程其實就是一種分類的過程，這類分類例子是屢見不鮮的。在古時，司天監(jiān)會依賴長時間積累的信息，通過觀察天象對與否會有天災做出分類預測。古人則通過對四季氣候雨水的常年觀察，總結(jié)出農(nóng)作物最佳播種時間。在伯樂的《相馬經(jīng)》中，就通過簡樸分類分辨出羸馬的三條原則：“大頭小頸，弱脊大腹，小頸大蹄”。其實在數(shù)據(jù)挖掘領域，有大量基于海量數(shù)據(jù)的分類問題。普通，我們先把數(shù)據(jù)分成訓練集（trainingset）和測試集（testingset），通過對歷史訓練集的訓練，生成一種或多個分類器（classifier），將這些分類器應用到測試集中，就能夠?qū)Ψ诸惼鞯男阅芎途_性做出評判。如果效果不佳，那么我們或者重新選擇訓練集，或者調(diào)節(jié)訓練模式，直到分類器的性能和精確性達成規(guī)定為止。最后將選出的分類器應用到未經(jīng)分類的新數(shù)據(jù)中，就能夠?qū)π聰?shù)據(jù)的類別做出預測了。節(jié)選譚磊所著的自《大數(shù)據(jù)挖掘》一書。未完待續(xù)……end.標簽：除非特別注明，本站全部文章均不代表本站觀點。報道中出現(xiàn)的商標屬于其正當持有人。請恪守理性，寬容，換位思考的原則。猜你喜歡-02-17-02-11-02-06-01-21-01-19-12-23-12-15-11-25-11-02-10-26【篇二：大數(shù)據(jù)數(shù)據(jù)挖掘案例】馬云說：互聯(lián)網(wǎng)還沒搞清晰的時候，移動互聯(lián)就來了，移動互聯(lián)還沒搞清晰的時候，大數(shù)據(jù)就來了。近兩年，“大數(shù)據(jù)”這個詞越來越為大眾所熟悉，“大數(shù)據(jù)”始終是以高冷的形象出現(xiàn)在大眾面前，面對大數(shù)據(jù)，相信許多人都一頭霧水。下面我們通過十個典型案例，讓大家實打?qū)嵱|摸一把“大數(shù)據(jù)”。你會發(fā)現(xiàn)它其實就在身邊并且也是很有趣的。啤酒與尿布全球零售業(yè)巨頭沃爾瑪在對消費者購物行為分析時發(fā)現(xiàn)，男性顧客在購置嬰兒尿片時，經(jīng)常會順便搭配幾瓶啤酒來犒勞自己，于是嘗試推出了將啤酒和尿布擺在一起的促銷手段。沒想到這個舉措居然使尿布和啤酒的銷量都大幅增加了。如今，“啤酒＋尿布”的數(shù)據(jù)分析成果早已成了大數(shù)據(jù)技術應用的典型案例，被人津津樂道。數(shù)據(jù)新聞讓英國撤軍10月23日《衛(wèi)報》運用維基解密的數(shù)據(jù)做了一篇“數(shù)據(jù)新聞”。將伊拉克戰(zhàn)爭中全部的人員傷亡狀況均標注于地圖之上。地圖上一種紅點便代表一次死傷事件，鼠標點擊紅點后彈出的窗口則有具體的闡明：傷亡人數(shù)、時間，造成傷亡的具體因素。密布的紅點多達39萬，顯得格外觸目驚心。一經(jīng)刊出立刻引發(fā)朝野震動，推動英國最后做出撤出駐伊拉克軍隊的決定。意料之外：胸部最大的是新疆妹子淘寶數(shù)據(jù)平臺顯示，購置最多的文胸尺碼為b罩杯。b罩杯占比達41.45%，其中又以75b的銷量最佳。另首先是a罩杯，購置占比達25.26%，c罩杯只有8.96%。在文胸顏色中，黑色最為暢銷。以省市排名，胸部最大的是新疆妹子。qq圈子把前女友推薦給未婚妻3月騰訊推出qq圈子，按共同好友的連鎖反映攤開顧客的人際關系網(wǎng)，把顧客的前女友推薦給未婚妻，把同窗同事朋友圈子分門別類，運用大數(shù)據(jù)解決能力給人帶來“震撼”?！澳хR”預知石油市場走向如果你對“魔鏡”還停留在“魔鏡魔鏡，告訴我誰是世界上最美的女人”，那你就真的out了。“魔鏡”不僅僅是童話中王后的寶貝，并且是真實世界中的一款神器。其實，“魔鏡”是蘇州國云數(shù)據(jù)科技公司的一款牛逼的大數(shù)據(jù)可視化產(chǎn)品，并且是國內(nèi)首款喔。在現(xiàn)在，“魔鏡”能夠通過數(shù)據(jù)的整合分析可視化不僅能夠得出誰是世界上最美的女人，還能通過價量關系得出市場的走向。在很快前，“魔鏡”協(xié)助中石等公司分析數(shù)據(jù)，將數(shù)據(jù)可視化，使公司科學的判斷、決策，節(jié)省成本，合理配備資源，提高了收益。谷歌成功預測冬季流感，谷歌通過分析5000萬條美國人最頻繁檢索的詞匯，將之和美國疾病中心在到間季節(jié)性流感傳輸時期的數(shù)據(jù)進行比較，并建立一種特定的數(shù)學模型。最后谷歌成功預測了冬季流感的傳輸甚至能夠具體到特定的地區(qū)和州。大數(shù)據(jù)與喬布斯癌癥治療喬布斯是世界上第一種對本身全部dna和腫瘤dna進行排序的人。為此，他支付了高達幾十萬美元的費用。他得到的不是樣本，而是涉及整個基因的數(shù)據(jù)文檔。醫(yī)生按照全部基因按需下藥，最后這種方式協(xié)助喬布斯延長了好幾年的生命。奧巴馬大選連任成功11月奧巴馬大選連任成功的勝利果實也被歸功于大數(shù)據(jù)，由于他的競選團體進行了大規(guī)模與進一步的數(shù)據(jù)挖掘。時代雜志更是斷言，依靠直覺與經(jīng)驗進行決策的優(yōu)勢急劇下降，在政治領域，大數(shù)據(jù)的時代已經(jīng)到來；各色媒體、論壇、專家鋪天蓋地的宣傳讓人們對大數(shù)據(jù)時代的來臨興奮不已，無數(shù)公司和創(chuàng)業(yè)者都紛紛跳進了這個狂歡隊伍。微軟大數(shù)據(jù)成功預測奧斯卡21項大獎，微軟紐約研究院的經(jīng)濟學家大衛(wèi)??羅斯柴爾德（davidrothschild）運用大數(shù)據(jù)成功預測24個奧斯卡獎項中的19個，成為人們津津樂道的話題。今年羅斯柴爾德再接再厲，成功預測第86屆奧斯卡金像獎頒獎典禮24個獎項中的21個，繼續(xù)向人們展示當代科技的神奇魔力。超市預知高中生顧客懷孕明尼蘇達州一家塔吉特門店被客戶投訴，一位中年男子指控塔吉特將嬰兒產(chǎn)品優(yōu)惠券寄給他的女兒——一種高中生。但沒多久他卻來電道歉，由于女兒經(jīng)他逼問后坦承自己真的懷孕了。塔吉特百貨就是靠著分析顧客全部的購物數(shù)據(jù)，然后通過有關關系分析得出事情的真實狀況。精選自：速途網(wǎng)，原文地址：/content/523734.shtml本文tags:數(shù)據(jù)挖掘數(shù)據(jù)分析那些事數(shù)據(jù)分析【篇三：大數(shù)據(jù)數(shù)據(jù)挖掘案例】摘要：下列內(nèi)容整頓自6月4日由數(shù)據(jù)分析網(wǎng)舉辦的《大嘴巴漫談數(shù)據(jù)挖掘典型案例賞析》分享活動中，易向軍老師的講話內(nèi)容。數(shù)據(jù)分析網(wǎng)的朋友們，大家晚上好，首先很感謝數(shù)據(jù)分析網(wǎng)的支持，提供這樣一種平臺，能夠和大家一起分享、交流。作為《大嘴巴漫談數(shù)據(jù)挖掘(第2季)》的新書公布會，今天重要給大家?guī)?個數(shù)據(jù)挖掘的典型案例。一、產(chǎn)品精細化運行之道運行的核心在于持續(xù)性改善，運行分析需要確保數(shù)據(jù)的精確與一致性;能夠容忍一定程度上精確性的偏差。那么，精確和精確有什么區(qū)別呢?精確是指現(xiàn)象或者測量值相對事實之間的離散程度小，也就是我們口語的靠近事實、符合事實等;精確是指在條件不變的狀況下，現(xiàn)象或者測量值能夠低離散程度的重復再現(xiàn)，也就是我們口語說的次次如此、回回同樣等。下面的crisp-dm代表了數(shù)據(jù)挖掘的原則過程。在這個原則過程中最重要的是哪一種環(huán)節(jié)呢?(討論ing)@mountain全部的業(yè)務都是圍繞需求來的@數(shù)據(jù)哥需求分析，想清晰怎么干，否則南轅北轍@fs只有懂得客戶需求，才干滿足客戶的需要因此最重要的是商業(yè)理解。購物籃模型，用一句話來說，就是在適宜的時間、適宜的地點，通過適宜的方式，向適宜的人群推薦適宜的產(chǎn)品。那么當我們擬定了購物籃分析模型的第一目的后，即我們的第一步商業(yè)理解結(jié)束之后，第二步便是數(shù)據(jù)理解。這一步需要將我們的業(yè)務模型映射到數(shù)據(jù)模型，或者換句話說，我們需要什么樣的數(shù)據(jù)來支撐我們的分析目的?我們需要什么樣的數(shù)據(jù)一定要基于我們的分析目的，那么我們來分析下我們的目的。第一種目的是研究我們的商品，找到商品與商品之間的某種聯(lián)系。研究商品需要什么樣的數(shù)據(jù)呢?消費購物單，就是我們需要超市機構反饋給我們的票單據(jù)(小單子)，這是我們商品的購置數(shù)據(jù)。除了商品的購置數(shù)據(jù)，還需要什么數(shù)據(jù)?我們除了要研究商品，還要研究消費者。研究消費者需要消費者個人屬性數(shù)據(jù)。(在實際的工作中，根據(jù)實際需要，不限于這里列出的數(shù)據(jù)。)接下來是第三步是數(shù)據(jù)準備。在這個過程中需要理解數(shù)據(jù)，會用到清理、集成、變換、歸約的辦法，由于原始數(shù)據(jù)來自于我們的多個業(yè)務平臺。清理：補充缺失值、平滑噪聲數(shù)據(jù)、識別或刪除離群點并解決數(shù)據(jù)不一致性集成：將多個數(shù)據(jù)源中的數(shù)據(jù)整合起來并同意存儲變換：將數(shù)據(jù)轉(zhuǎn)換為合用于挖掘的形式，例如屬性規(guī)范化歸約：通過壓縮、聚集、離散化等辦法減少數(shù)據(jù)存儲空間，并保持模型成果與歸約前幾乎相似數(shù)據(jù)準備之后，是數(shù)據(jù)建模，也就是通過數(shù)學的辦法來解決業(yè)務問題。那么如何把業(yè)務問題轉(zhuǎn)化成數(shù)據(jù)辦法呢?我們的分析目的是找到商品之間的某種聯(lián)系，這里要用到什么數(shù)學辦法(業(yè)務語言)，這句話轉(zhuǎn)化為數(shù)學角度來理解，就是找到商品之間某種聯(lián)系的一種可能性(數(shù)據(jù)語言)。可能性問題就是概率，概率就是用來量化可能性的問題。例如：在購置a商品的條件下購置b商品的概率是條件概率，a、b兩個商品一起購置的概率是聯(lián)合概率。我們最后發(fā)現(xiàn)商品之間存在某種聯(lián)系，就是幾個可能性，而這幾個可能性就是概率。一種是聯(lián)合概率，有購置a商品和購置b商品的概率，這個聯(lián)合概率我們給它定義一種關聯(lián)規(guī)則算法，叫做支持度。一種是條件概率，在購置a商品的條件下，又購置了b商品的概率，這個條件概率，我們稱之為置信度。支持度越高，置信度越高，那么a、b商品之前的有關性就越強。在咱們這個概率中或者在數(shù)學中，研究有關性尚有那些指標?大家要把置信度理解為一種條件概率，嚴格來說跟置信區(qū)間沒什么太大關系。研究有關性尚有一種有關系數(shù)，有關系數(shù)的范疇是-1到1，絕對值越靠近于1，闡明有關性越強;絕對值越靠近于0，闡明有關性越弱。(0,1)之間為正有關，(-1,0)之間為負有關。正有關和負有關是數(shù)學名詞，負有關在業(yè)務上怎么理解呢?負有關闡明a、b這兩個商品是互相排斥的，買了a就不會再買b，能夠替代。假設a、b這兩個商品是互相排斥的，給出兩個概率，一種概率是在購置了a商品的前提下購置b商品的概率，一種是沒有任何前提條件下直接購置b商品的概率。這兩個概率誰大誰小?直接購置的概率大，由于a、b排斥，購置了a會影響購置b，極端狀況下，購置了a就不再購置b。支持度和置信度，只能衡量兩個商品的正有關，無法衡量負有關。為此我們引入第三個指標，提高度。如果提高度不大于1，闡明這個兩個商品是互相排斥的;如果提高度不不大于1，闡明這個兩個商品是互相增進的。提高度等于1，闡明a、b互相獨立，不存在任何關系。通過以上的分析，最后通過關聯(lián)規(guī)則算法，我們但愿支持度和置信度大某些，這里普通會定義一種最小值，這個最小值需要通過業(yè)務經(jīng)驗來擬定。通過關聯(lián)規(guī)則找到了2類強關聯(lián)的商品組合之后，接下來需要做什么?看我們的分析目的，我們第一種分析目的就是研究商品，找到商品之間的關聯(lián)組合。第二個分析目的，研究消費者。什么樣的消費者會購置這類商品組合，這是我們接下來要完畢的任務。研究消費者，我們用決策樹模型。樹重要有3部分構成：根，分支，葉子。其中根是最重要的。什么是決策呢?簡樸來說，就是做決定，是一種選擇，從若干個方案中找到最優(yōu)的方案。決策首先會有一種決策目的，或者叫決策結(jié)論。決策結(jié)論不是拍腦袋的，一定要有一種決策根據(jù)，通過決策根據(jù)做判斷。決策由決策根據(jù)和決策結(jié)論構成。決策結(jié)論就是樹的葉子，決策根據(jù)是樹的根，這樣決策就和樹建立聯(lián)系了。哪些消費者會購置強關聯(lián)的商品組合?對老板來說，這就是一種決策問題。在這個決策問題中，決策根據(jù)就是人的特性。老板要根據(jù)顧客的基本屬性來判斷。決策是一種判斷題：買還是不買。決策流程涉及決策根據(jù)和決策結(jié)論。從根到葉子的途徑都是一種決策流程。一種決策樹上有若干個決策途徑，我們就是要從若干個決策途徑中找到最優(yōu)的途徑。我們根據(jù)什么來判斷這個途徑的好壞?概率大小，看哪一種途徑在樣本中出現(xiàn)的次數(shù)最多，就認為是最優(yōu)的。出現(xiàn)次數(shù)最多是一種概率問題，頻率和概率有什么關系?頻率是概率的實驗值，概率是頻率的理論值。有同窗說頭大了，其實，我們學習數(shù)據(jù)挖掘，最后研究的業(yè)務問題以及模型構建，就是數(shù)學上的統(tǒng)計問題，因此統(tǒng)計學一定要學好，否則學習模型會比較吃力。也就是說數(shù)據(jù)挖掘也是有一定門檻的，對數(shù)學是有規(guī)定的。我們通過決策樹模型最后得到兩類人群。能夠清晰地定位哪些消費者會購置我們的商品組合，而不是漫無目的的推薦。以上內(nèi)容是第一種案例。可能今天不能把3個案例都講完，但是我想的是不用圖快，把某些知識點給大家講清晰，講透徹。下面我們來看顧客體驗中的數(shù)據(jù)挖掘案例。二、顧客體驗中的數(shù)據(jù)挖掘顧客體驗如何跟數(shù)據(jù)挖掘結(jié)合起來呢?什么是顧客體驗?顧客是使用產(chǎn)品的人，體驗是感受，是主觀的，而我們進行數(shù)據(jù)分析或者數(shù)據(jù)挖掘是基于客觀的對象。第一步就需要量化，把主觀的體驗量化成客觀的數(shù)據(jù)。如何量化顧客體驗呢?例如形容一種食品特別好吃，食品的體驗特別好。能夠用色香味俱全來形容，這就是量化的東西。色，指顏色，好看，通過視覺來測量。香，通過嗅覺來測量。味，通過味覺，嘗一嘗來測量。形容一種食品特別好吃，是很主觀的，但是能夠通過色香味這3個能夠測量的方面來形容。我們再舉一種具體的產(chǎn)品，例如一種網(wǎng)站，就是一種產(chǎn)品，我們怎么來形容和描述某一種網(wǎng)站的顧客體驗好。登錄或者打開一種網(wǎng)站，最直接的體驗就是界面好看。例如，我們拿數(shù)據(jù)分析網(wǎng)來說，打開數(shù)據(jù)分析網(wǎng)覺得界面很美觀，視覺效果好。除了界面，我們還要看內(nèi)容，更新與否及時，與否有價值;尚有打開速度。對于一種購物網(wǎng)站，最重要的體驗是什么?安全性?？偨Y(jié)下，界面、內(nèi)容、性能、效率、安全等是衡量一種網(wǎng)站發(fā)展的體驗方面。通過食品和網(wǎng)站這兩個例子，如果讓你來量化某一種產(chǎn)品的顧客體驗，你首先應當怎么辦?顧客體驗是一種主觀的東西，主觀的東西不能被直接測量，因此需要定指標。定指標，分解到指標。為什么強調(diào)分解這個詞呢。由于顧客體驗本身是個很主觀的東西，不能被直接測量，就需要把它分解成若干個可直接測量的指標，這是很核心的第一步。通過這些間接的指標組合，衡量整個產(chǎn)品的顧客體驗。我