-
機器學習：行為數(shù)據(jù)（搜索歷史，點擊歷史，瀏覽歷史，評價），NOsql(分布式和CAP).對數(shù)據(jù)一致性要求不是很高； 數(shù)據(jù)分析：交易數(shù)據(jù)（話費賬單，用戶訂單，存取款賬單，和錢有關(guān)）轉(zhuǎn)賬：事務(wù)保證（劃走金額，轉(zhuǎn)入金額），對數(shù)據(jù)一致性要求很高。查看全部
-
5、互聯(lián)網(wǎng)廣告 CTR預(yù)估算法（線性的邏輯回歸）：點擊率的預(yù)估->百度搜索 6、推薦系統(tǒng)（類似于購物籃分析） 協(xié)同過濾算法，淘寶商品推薦查看全部
-
3、垃圾郵件識別 樸素貝葉斯算法 4、信用卡欺詐 風險識別、欺詐識別。決策樹算法查看全部
-
2、用戶細分精確營銷 把用戶消費的數(shù)據(jù)利用聚類算法，可以根據(jù)用戶信息，自動對用戶進行分類 兩字，分類。查看全部
-
購物籃分析：關(guān)聯(lián)規(guī)則 聯(lián)想連接 找出規(guī)律 紙尿布和啤酒的故事（數(shù)據(jù)挖掘） 經(jīng)濟學，捆綁銷售；更大的利益查看全部
-
歷史： 1、基于專家經(jīng)驗 （運維和產(chǎn)品頭腦風暴，程序員寫邏輯） 2、基于統(tǒng)計---分維度統(tǒng)計。數(shù)據(jù)分析，受限于數(shù)據(jù)分析人員的經(jīng)驗(數(shù)據(jù)報表，:聯(lián)機事務(wù)處理OLAPP(on-line transaction processing)) 3、機器學習： 模式①離線機器學習，每天定時更新,跑算法，生成一個新的模型，循環(huán)，生成新的模型。對昨天數(shù)據(jù)的研究，用算法分析形成一個模型，指導明天的活動。缺點：存在偶然性，沒法給出正確的模型，如雙11的集中購物。 模式②在線機器學習，實時的數(shù)據(jù)進行分析，不斷的形成模型對用戶進行指導查看全部
-
expert（專家）的主觀性和片面性 從歷史數(shù)據(jù)中找出規(guī)律，把這些規(guī)律用到對未來自動作出決定。 用數(shù)據(jù)代替expert； 經(jīng)濟驅(qū)動，數(shù)據(jù)變現(xiàn)； 大數(shù)據(jù)：字面意思就是公司里的數(shù)據(jù)量變大了。查看全部
-
《概率論》《數(shù)據(jù)統(tǒng)計》是機器學習的基石 傳統(tǒng)的統(tǒng)計學，抽取一定量的樣本然后 進行概率統(tǒng)計，然后得到結(jié)論 之后進行假設(shè)檢驗 傳統(tǒng)的統(tǒng)計學受運算能力的限制，所以是用抽樣的方式； 而現(xiàn)在計算能力足夠強，就不需要采用抽樣的方式了。 做數(shù)據(jù)分析要對數(shù)據(jù)進行量化，才方便計算、比較。 傳統(tǒng)統(tǒng)計：抽樣-描述統(tǒng)計-結(jié)論-假設(shè)檢驗-推斷 機器學習不受計算量的限制，直接跳過抽樣 統(tǒng)計學受限于計算能力，依賴于采樣的方法，再反作用于原來的數(shù)據(jù)。步驟：抽樣-->描述統(tǒng)計-->結(jié)論-->假設(shè)檢驗。 現(xiàn)在無需考慮數(shù)據(jù)量的問題，無需抽樣技術(shù)，直接全樣?？衫每梢暬夹g(shù)來觀察數(shù)據(jù)。要進行數(shù)據(jù)分析，需要先進行量化，用模型擬合規(guī)律，函數(shù)-->函數(shù)曲線-->擬合。高維度時很難用可視化的方法，只能用數(shù)學運算。查看全部
-
5、互聯(lián)網(wǎng)廣告 CTR預(yù)估算法：點擊率的預(yù)估 6、推薦系統(tǒng)（類似于購物籃分析） 協(xié)同過濾算法，電商的推薦查看全部
-
關(guān)聯(lián)規(guī)則算法查看全部
-
common算法查看全部
-
高級一點查看全部
-
高級一點的算法查看全部
-
常見算法查看全部
-
常用算法查看全部
舉報
0/150
提交
取消