搜索:聚类分析
-
数据分析的目的性越强,越有价值!
数据分析从功能角度来讲,无非就是两个。
-
实战案例:非用研人员如何创建用户画像
关于用户画像的建立,网上有很多文章,方法也都不经相同。作为一枚非用研人员,第一次尝试做用户画像,在各种资源有限、经验有限的情况下,经历一次完整的研究过程并不容易,所谓最难跨出的永远是第一步。
-
大数据工程师练成记之首重:知识体系一览
我们想要告诉大家的是成为大数据工程师需要掌握的知识体系,而作为初学者,你可以先从简单的入手,慢慢在学更深的知识,拿出高考的恒心和坚持来,肯定能行。
-
想要成为大数据工程师需要掌握的知识(二)
我们想要告诉大家的是成为大数据工程师需要掌握的知识体系,而作为初学者,你可以先从简单的入手,慢慢在学更深的知识,拿出高考的恒心和坚持来,肯定能行。
-
互金公司言必称大数据风控,到底有几分成色?
到底大数据风控是怎样的,价值在哪里,又面临哪些发展中的问题?
-
TalkingData于洋:金融行业从数据运营到运营数据的转变
数据要向业务经营一样去获取梳理运营和建设,继而数据的建设才能像数据驱动业务运营一样。当你有了庞大的数据之后,合理的加工使用,才能找到精准的营销线索,最终才能做数据驱动运营的事情。
-
数据分析平台搭建案例
如今,市场的变化越来越快,业务调整也越来越频繁,承载业务流程的信息化也在不断提升,选择一个能灵活应对需求的系统工具成了必需。
-
定量数据用户画像的方法与流程
用户画像是一种目标用户的人物原型,它不仅可以快速了解用户的基本信息并快速归类,并且可以进一步精准地分析用户行为习惯和态度偏好。用户画像虽然是用户的虚拟代表,但必须基于的是真实用户和真实数据。
-
常见的大数据术语表(中英对照)
通过本文给出一个常用的大数据术语表,抛砖引玉,供大家深入了解。
-
数据挖掘可挖掘的知识类型
数据挖掘,有哪些可以挖掘的知识类型?
-
机器学习系列(6):K-Means聚类
本章,我们讨论无监督学习算法,聚类(clustering)。
-
机器学习系列(1):机器学习基础
本章我们简要介绍下机器学习(Machine Learning)的基本概念。主要介绍机器学习算法的应用,监督学习和无监督学习(supervised-unsupervised learning)的应用场景,训练和测试数据的用法,学习效果评估方式。最后,对scikit-learn进行一些简单的介绍。
-
二分类模型中,如何应对分类自变量取值过多?
数据的世界是日益复杂的,大数据尤其如此。
-
10天100小时学数据科学,我推荐你这样学!
10天100小时的学习时间里应该分配给尽量多样化的知识。这也算是一大笔投资,所以应当严肃对待,根据学出来的结果可以把拿到实习 offer 之类的当做目标。
-
从0到1手把手教你建立用户画像
这一次,也是应一些朋友的建议,做了一个从开始到最终建立完毕的PPT给大家。希望能让大家更加清楚。