Kervin_Chan

如果数据集是高维的，那么选择谱聚类，它是子空间划分的一种。·如果数据量为中小规模，例如在100万条以内，那么K均值将是比较好的选择；如果数据量超过100万条，那么可以考虑使用Mini Batch KMeans。 如果数据集中有噪点（离群点），那么使用基于密度的DBSCAN可以有…

内容运营是指基于内容的策划、编辑、发布、优化、营销等一系列工作，主要集中在互联网、媒体等以内容为主的行业领域。内容运营根据内容生产方式的不同可分为UGC、PGC和OGC三种。 （1）UGC（User-generated Content），用户生产内容。这是论坛、贴吧、微博时代的…

本章的分析模型围绕流量数据化运营展开，主要包括：流量波动检测、渠道特征聚类、广告整合传播模型、流量预测模型。 在广告流量结构中，有几类流量是相对稳定并且效果较好的，例如导航类流量（例如360导航）、品牌专区流量（例如百度品牌区）、品 牌关键字（例如百度品牌关键字）、SEO流量（…

本节将介绍几个常用的商品分析模型，包括商品价格敏感度模型、新产品市场定位模型、销售预测模型、商品关联销售模型、异常订单检测模型、商品规划的最优组合。 商品价格敏感度模型是指通过研究找到用户对于价格是否敏感以及敏感程度的价格杠杆。利用价格敏感度模型可以辅助于销售定价，促销活动的折…

在会员数据化运营分析模型中，将主要介绍会员细分模型、会员价值度模型、会员活跃度模型、会员流失预测模型、会员特征分析模型和营销响应预测模型。 会员细分模型是将整体会员划分为不同的细分群体或类别，然后基于细分群体做管理、营销和关怀。会员细分模型常用于在整体会员的宏观性分析以及探索性…

在数据清洗过程中，主要处理的是缺失值、异常值和重复值。所谓清洗，是对数据集进行丢弃、填充、替换、去重等操作，实现去除异 常、纠正错误、补足缺失的目的。 数据缺失分为两种：一是行记录的缺失，这种情况又称数据记录丢失；二是数据列值的缺失，即由于各种原因导致的数据记录中某些列的值空缺…

使用Python获取数据，目前主要的方法集中在文本文件、Excel文件、关系型和非关系型数据库、API、网页等方面。 （1）定义数据文件；（2）获取文件对象； （3）读取文件内容； （4）关闭文件对象。 定义数据文件即定义要读取的文件，该步骤不是必须的，可以跟“获取文件对象”整…

数据化运营的数据来源类型包括数据文件、数据库、API、流式数据、外部公开数据和其他来源等。 数据文件就是存储数据的文件，广义上，任何文件中存储的信息都可以称为数据；狭义上，数据文件中以数字或文本形式存储的结构化的 数据记录才是数据。本节的数据指的是后者。 结构化数据文件大多来源…

和机器学习的算法类似，信息检索或搜索的效果究竟需要如何进行科学的评估。检索质量最基本的两个评测指标是精度（ Precision ) 和召回率（ Recall ）。假设一个数据集D中，和一个信息需求ik相关的数据集合是m，在用户输入需求后，某个检索系统返回了结果集合n ，而o是集…