作者：馬爾克數(shù)據(jù)圈成員
說(shuō)到數(shù)據(jù)分析，啤酒和尿布的例子大家應(yīng)該都聽(tīng)膩了。再具體、深入一些的內(nèi)容，往往因?yàn)閿?shù)學(xué)就令很多人望而卻步了。給大家分享9個(gè)不帶數(shù)學(xué)推導(dǎo)的數(shù)據(jù)分析思路，希望大家能喜歡~
1.分類
分類分析的目標(biāo)是：給一批人(或者物)分成幾個(gè)類別，或者預(yù)測(cè)他們屬于每個(gè)類別的概率大小。
舉個(gè)栗子：“京東的用戶中，有哪些會(huì)在618中下單?”這就是個(gè)典型的二分類問(wèn)題：買or不買。
分類分析(根據(jù)歷史信息)會(huì)產(chǎn)出一個(gè)模型，來(lái)預(yù)測(cè)一個(gè)新的人(或物)會(huì)屬于哪個(gè)類別，或者屬于某個(gè)類別的概率。結(jié)果會(huì)有兩種形式：
形式1：京東的所有用戶中分為兩類，要么會(huì)買，要么不會(huì)買。
形式2：每個(gè)用戶有一個(gè)“會(huì)買”，或者“不會(huì)買”的概率(顯然這兩個(gè)是等效的)。“會(huì)買”的概率越大，我們認(rèn)為這個(gè)用戶越有可能下單。
如果為形式2畫(huà)一道線，比如0.5，大于0.5是買，小于0.5是不買，形式2就轉(zhuǎn)變成形式1了。
2.回歸
回歸任務(wù)的目標(biāo)是：給每個(gè)人(或物)根據(jù)一些屬性變量來(lái)產(chǎn)出一個(gè)數(shù)字(來(lái)衡量他的好壞)。
舉個(gè)栗子：每個(gè)用戶在618會(huì)為京東下單多少錢的?
注意回歸和分類的區(qū)別在：分類產(chǎn)出的結(jié)果是 固定的幾個(gè)選項(xiàng)之一 ，而 回歸的結(jié)果是連續(xù)的數(shù)字，可能的取值是無(wú)限多的 。
3.聚類
聚類任務(wù)的目標(biāo)是：給定一批人(或物)，在不指定目標(biāo)的前提下，看看哪些人(或物)之間更接近。
注意聚類和上面的分類和回歸的本質(zhì)區(qū)別：分類和回歸都會(huì)有一個(gè)給定的目標(biāo)(是否下單，貸款是否違約，房屋價(jià)格等等)，聚類是沒(méi)有給定目標(biāo)的。
舉個(gè)栗子：給定一批用戶的購(gòu)買記錄，有沒(méi)有可能分成幾種類型?(零食狂魔，電子愛(ài)好者，美妝達(dá)人……)
4.相似匹配
相似匹配任務(wù)的目標(biāo)是：根據(jù)已知數(shù)據(jù)，判斷哪些人(或物)跟特定的一個(gè)(一批)人(或物)更相似。
舉個(gè)栗子：已知一批在去年雙十一下單超過(guò)10000元的用戶，哪些用戶跟他們比較相似?
5.頻繁集發(fā)現(xiàn)
頻繁集發(fā)現(xiàn)的目標(biāo)是：找出經(jīng)常共同出現(xiàn)的人(或物)。這就是大名鼎鼎的“啤酒和尿布”的例子了。這個(gè)例子太容易擴(kuò)展，就不再舉栗子啦。
6.統(tǒng)計(jì)(屬性、行為、狀態(tài))描述
統(tǒng)計(jì)描述任務(wù)的目標(biāo)是最好理解的：具有哪些屬性的人(或物)在什么狀態(tài)下做什么什么事情。
舉個(gè)栗子：5月份一個(gè)月內(nèi)每個(gè)用戶在京東7天內(nèi)無(wú)條件退貨的次數(shù)
統(tǒng)計(jì)描述常常用戶欺詐檢測(cè)，試想一個(gè)用戶一個(gè)月退貨100+次，這會(huì)是一種什么情況?
7.連接預(yù)測(cè)
連接預(yù)測(cè)的目標(biāo)是：預(yù)測(cè)本應(yīng)該有聯(lián)系(暫時(shí)還沒(méi)有)的人(或物)。
舉個(gè)栗子：你可能認(rèn)識(shí)xxx?你可能想看xxx?
8.數(shù)據(jù)壓縮
數(shù)據(jù)壓縮的目的是：減少數(shù)據(jù)集規(guī)模，增加信息密度。
舉個(gè)栗子：豆瓣想分析用戶關(guān)于國(guó)外電影的喜好，講國(guó)內(nèi)電影的評(píng)分?jǐn)?shù)據(jù)都排除掉
大數(shù)據(jù)，也不是數(shù)據(jù)越多越好，數(shù)據(jù)多帶來(lái)的信息多，但是噪聲也會(huì)變多。
9.因果分析
顧名思義，因果分析的目標(biāo)是：找出事物間相互影響的關(guān)系。
舉個(gè)栗子：廣告的效果提升的原因是廣告內(nèi)容好?還是投放到了更精準(zhǔn)的用戶?
這里最常見(jiàn)的手段就是A/B test啦
數(shù)據(jù)分析是非常強(qiáng)大的，不過(guò)當(dāng)然還是要在具體的情景下，嚴(yán)格的選擇假設(shè)，采用科學(xué)的分析方法才能產(chǎn)出有價(jià)值的結(jié)果。數(shù)據(jù)會(huì)說(shuō)謊的經(jīng)典案例就是“安慰劑效應(yīng)”了。以后會(huì)分享其他更具體的內(nèi)容，歡迎大家留言吐槽，一起學(xué)習(xí)~
