数据化运营(1)

    前段时间，boss推荐<数据挖掘与数据化运营实战:思路、方法、技巧与应用>，买来看了一下，觉得里面有很多干货，尽管有关怎么建模，如何建模等深入到算法层面的东西讲的比较少，但是该书站在商业化，业务+技术的角度阐释了该如何做数据挖掘，以下我是用思维导图的方式记录了的笔记(直接从云笔记里面copy过来)

第三章 常见数据分析模型

 

 

第四章 数据化运营是跨专业、跨团队的合作

第五章 主要谈到新手数据分析师常见的错误观念

1，轻视业务；2，技术万能；3，技术尖端；4，机器万能；

总的来说要紧密结合业务挖掘有价值的东西。平常思考过程中别把关联关系转化成因果关系

第六章 一个完整的挖掘案例流程

 

第七张章 挖掘模型优化跟评价指标

第八章 常见数据处理技巧

在数据挖掘领域一个很经典的话是:Garbage In,Garbage Out! 通常一个挖掘任务70%的时间都花在建模前期的工作中。

第九章 聚类分析的应用

聚类概念 啪啦啪啦一堆(就不写啦，各种谷歌度娘得到结论)。。。。

聚类分析技术的常见应用场景

聚类算法的种类也是多种多样，常用的K均值(k++均值)，层次聚类(较慢)，谱聚类(基于图结构的)，LDA(主题模型，文本类)

运用聚类分析可能遇到的问题

1，数据噪声和离群值

     处理方法：删除或者抽样。

2，数据标准化或者归一化(防止个别数值很大的属性权重大)

3，距离公式(欧氏、马氏、汉明等等)