前段時間，boss推薦《資料探勘與資料化運營實戰:思路、方法、技巧與應用》，買來看了一下，覺得裡面有很多乾貨，儘管有關怎麼建模，如何建模等深入到演算法層面的東西講的比較少，但是該書站在商業化，業務+技術的角度闡釋了該如何做資料探勘，以下我是用思維導圖的方式記錄了的筆記(直接從雲筆記裡面copy過來)
第三章 常見資料分析模型
第四章 資料化運營是跨專業、跨團隊的合作
第五章 主要談到新手資料分析師常見的錯誤觀念
1，輕視業務；2，技術萬能；3，技術尖端；4，機器萬能；
總的來說要緊密結合業務挖掘有價值的東西。平常思考過程中別把關聯關係轉化成因果關係
第六章 乙個完整的挖掘案例流程
第七張章 挖掘模型優化跟評價指標
第八章 常見資料處理技巧
在資料探勘領域乙個很經典的話是:garbage in,garbage out! 通常乙個挖掘任務70%的時間都花在建模前期的工作中。
第九章 聚類分析的應用
聚類概念 啪啦啪啦一堆(就不寫啦，各種谷歌度娘得到結論)。。。。
聚類分析技術的常見應用場景
聚類演算法的種類也是多種多樣，常用的k均值(k++均值)，層次聚類(較慢)，譜聚類(基於圖結構的)，lda(主題模型，文字類)
運用聚類分析可能遇到的問題
1，資料雜訊和離群值
處理方法：刪除或者抽樣。
2，資料標準化或者歸一化(防止個別數值很大的屬性權重大)
3，距離公式(歐氏、馬氏、漢明等等)
資料化運營之會員資料化運營
會員資料化運營主要用來解決以下方面問題 1 會員生命週期狀態 2 會員核心訴求 3 會員價值如何 4 會員轉換習慣與路勁 5 如何擴大市場覆蓋 獲取更多會員 6 如何維繫老會員 7 應該在什麼時間 採取什麼措施 針對那些會員做那些活動 8 在特定運營目標下，應該如何指定會員管理措施 會員資料化運營關...
資料化運營 2
第10章 響應 分類 模型的應用和技術小竅門 正如上篇文章所說的本書的重點是商業 模型，本章節中關於演算法的一些描述我覺得有些不妥，例如介紹決策樹 dt 的優缺點的時候，文中指出 如果目標變數是連續型變數，那麼決策樹就不適用了，最好改成線性回歸 其實dt演算法也是可以解決回歸問題的，例如網際網路廣告...
資料化運營概述
1.資料化運營的概述 資料化運營是指通過資料化的工具 技術和方法，對運營過程中的各個環節進行科學的分析 引導和應用，從而達到優化運營效果和效率 降低運營成本 提高效益的目的。包括會員運營 商品運營 流量運營和內容運營四方面的內容。2.資料化運營的意義 資料化運營的核心是運營，資料化運營的價值體現在對...