Python数据分析规划必看

谁践踏了优雅 2023-02-19 13:27 26阅读 0赞

我们来唠点“正经”的…最近，发现很多朋友都对数据挖掘这块儿比较感冒，我就寻思着在这儿真情流露一番~  
![在这里插入图片描述][20200620215419121.png]

#### lei，看个列子 ####

美国明尼苏达州一家Target百货被一位先森投诉，这位先森指控Target将婴儿产品的优惠券推送给他的女儿，但他的女儿还在上高中\[OMG，难道是误会？\]。

但没多久这位先森就打了个电话给Target百货道歉，因为女儿在他的苦苦逼问下承认自己真的怀孕了\[哎哟，太神奇了叭\]  
![在这里插入图片描述][20200620215431747.png]

#### Target怎么预测到女孩怀孕的呢？ ####

Target百货搭建用户数据仓库，将每一个顾客的消费行为习惯存储在数据仓库中。比如说女孩儿一直在Target买纸、护手霜等生活用品，那她每一次买纸的习惯\[洁柔百花香\]都被记录在Target百货的数据仓库当中。但是，突然有一段时间，女孩儿选的纸它不香了，还会额外买一些维生素和补品\[你品，你细品\]…

那实际上Target百货早已经通过以往类似的个体消费行为分析总结的规律构建了一个“怀孕预测指数”。当某女消费习惯发生变化的时候，就会通过这个指数去预测顾客的怀孕情况，并推送优惠券来提高销售额。这就是数据挖掘的力量。

那有的朋友会很好奇，“咦，这怀孕和商品之间的关联又是咋发现的呢？”

这就得拿出我们的宝剑了——算法，这些企业通常都会使用Apriori算法，去分析商品之间的关联关系，来捆绑销售。让wuli多掏钱…\[兄嘚，超市的海飞丝跟舒肤佳老板都是宝洁的阿~\]  
![在这里插入图片描述][20200620215529267.png]  
说了这么多，可能你都看困了\[呜呜\]，对数据挖掘也不太清晰那我们来举个栗子。比如老Amy去跟多个小锅锅相亲\[emm…\]

数据仓库就相当于媒婆，掌握了各位小锅锅的相关信息，每个小锅锅的信息都有单独的文档存储，姓名、生日、联系方式等。\[老Amy眼花缭乱了，无从选择\]

数据挖掘就登场了，整理好数据仓库，使用各种算法来推算我与谁最匹配\[咋整的有点像相亲节目了~hh\]

这么多小锅锅的性格都不一致，比如阳光，活泼，幽默，高冷。那我可以使用分类算法，去将各位的性格进行分类。如果说媒婆的资源太奥利给了，有个小几万的人脉资源，那我还需要通过聚类算法去进行分组，再根据每个组的特性进行分析再决策\[好刺激\]。OMG，当然想要真正的了解一个人，不能仅仅只听媒婆的一面之词，还需要去了解了解他的朋友嘛，那就可以使用关联分析算法。接下来我们就来康康各个算法的分类，以及常用算法的介绍奥  
![在这里插入图片描述][2020062021562653.png]

#### 数据挖掘算法分类 ####

**分类算法**：C4.5，朴素贝叶斯（Naive Bayes），SVM，KNN，Adaboost，CART  
**聚类算法**：K-Means，EM  
**关联分析**：Apriori  
**连接分析**：PageRank

#### 经典算法介绍 ####

**1.C4.5**  
C4.5 算法是决策树的算法，它创造性的在决策树构造过程中就进行了剪枝，并且可以处理连续的属性，也能对不完整的数据进行处理。

**2.朴素贝叶斯**  
朴素贝叶斯模型是基于概率论的原理，对于未知物体想进行分类，就需要求解在这个未知物体出现的条件下各个类别出现的概率，哪个最大，就认为该未知物体属于哪个分类。

**3.KNN**  
KNN也叫 K 最近邻算法，也就是说如果一个样本，它的 K 个最接近的邻居都属于分类 A，那么这个样本也属于分类 A。

**4.Apriori**  
Apriori 是一种挖掘关联规则的算法，它通过挖掘频繁项集来揭示物品之间的关联关系，被广泛应用到商业挖掘和网络安全等领域中。频繁项集是指经常出现在一起的物品的集合，关联规则暗示着两种物品之间可能存在很强的关系。\[上边理解了叭，嘿嘿\]

**5.K-Means**  
K-Means 算法是一个聚类算法。比如说，我将物体划分成 K 个类。每个类里面都有一个“中心点”，它是这个类别的核心。现在有一个新点要归类，就只需要计算新点与K个中心点的距离，距离哪个中心点近，就变成哪个类别。

**6. EM**  
EM 算法也叫最大期望算法，是求参数的最大似然估计的一种方法。原理是这样的：假设我们想要评估参数 A 和参数 B，在开始状态下二者都是未知的，并且知道了 A 的信息就可以得到 B 的信息，反过来知道了 B 也就得到了 A。可以考虑首先赋予 A 某个初值，以此得到 B 的估值，然后从 B 的估值出发，重新估计 A 的取值，这个过程一直持续到收敛为止。EM 算法经常用于聚类和机器学习领域中。

**7. PageRank**  
PageRank 起源于论文影响力的计算方式，如果一篇文论被引入的次数越多，就代表这篇论文的影响力越强。同样 PageRank 被 Google 创造性地应用到了网页权重的计算中：当一个页面链出的页面越多，说明这个页面的“参考文献”越多，当这个页面被链入的频率越高，说明这个页面被引用的次数越高。基于这个原理，我们可以得到网站的权重划分。

哇~能够认真看到这里的朋友真的太棒了，算法是数据挖掘的灵魂。老Amy希望这篇文章可以帮助到大家大概的了解到数据挖掘以及所用到的算法\[如果有的话，关注分享点在看奥，康桑思密达\]，后期也会跟大家深入的唠唠算法这块

![在这里插入图片描述][20200620215951673.gif]

[20200620215419121.png]: https://img-blog.csdnimg.cn/20200620215419121.png
[20200620215431747.png]: https://img-blog.csdnimg.cn/20200620215431747.png
[20200620215529267.png]: https://img-blog.csdnimg.cn/20200620215529267.png
[2020062021562653.png]: https://img-blog.csdnimg.cn/2020062021562653.png
[20200620215951673.gif]: https://img-blog.csdnimg.cn/20200620215951673.gif