大嘴巴漫谈数据挖掘

第一境　昨夜西风凋碧树。独上高楼，望尽天涯路……

1.1数据挖掘简介

开篇点题引五问

大数据中求价值

定义概述归特点

知识决策跨领域

架构特征多形式

数据立方展多维

功能挖掘四大类

分类刻画类标识

数据聚类辨亲疏

预测未来训模型

关联源自购物篮

模型过程方法论

十大算法成经典

1.2数据挖掘应用

行业推广多应用

用户为王放心中

指导运营全周期

定位目标寻用户

精准营销成闭环

交叉产品有关联

细分用户刻画像

用户体验模型化

指标评测建体系

流失预警保用户

跟踪评估验效果

第二境　衣带渐宽终不悔，为伊消得人憔悴……

2.1概率定义

浮生难料尽偶然

一枚硬币抛正反

引出随机小试验

样本空间样本点

事件三分包万象

试验频率需频繁

次数无限值极限

描述概率定特点

古典概型等可能

事件B后A在前

求出概率称条件

独立事件A和B

抽签中奖公平性

常用概率两公式

交空并全划样本

综合状态全概率

前因后果贝叶斯

2.2随机变量

随机试验数量化

统计规律双类型

离散变量分布律

硬币抛掷是一零

分布函数连续型

函数求导得密度

高斯分布称正态

标准正态分位点

2.3数字特征

随机变量有特征

平均取值是期望

方差衡量偏离值

标准开根同量纲

变量关系协方差

相关系数相关度

研究总体要抽样

抽样分布统计量

2.4参数估计

最小二乘估参数

极大似然大概率

区间估计置信度

2.5假设检验

总体假设来检验

服从正态抽样本

统计量中验假设

弃真取伪两错误

显著检验小概率

小概率中拒绝域

检验流程出决策

已知总体方差值

检验中验均值

第三境　众里寻她千百度，蓦然回首，那人却在，灯火阑珊处。

3.1关联规则

购物篮中找关联

数据事务若干项

事务空间含项集

置信支持提升度

规则源于频繁项

k项连接和剪枝

生成非空规则集

关联效果来评估

3.2决策树

决策思维成树形

分类预测工作流

原理基于信息熵

信息增益条件熵

节点拆分选特征

3.3贝叶斯

预测分类贝叶斯

类别概率要最大

分类数据新预测

3.4聚类分析

物以类聚人以群

样本变量定矩阵

R型Q型换空间

距离度量相似度

系数聚类统计量

标准样本选欧氏

层次聚合归大类

3.5神经网络

神经网络神经元

神经元中有加权

输入映射输出层

求出误差调参数

权重偏置学习率

实例分析模型流

3.6线性回归

研究身高引回归

单自变量归一元

最小二乘估回归

数据差异总离差

分为解释和误差

判定系数拟合度

多元回归建方程

回归面中展二元

求得回归系数解

衡量拟合验效果

3.7逻辑回归

因变量中二分类

二项逻辑回归式

极大似然解方程

预测分类符合率

3.8因子分析

相关变量纳因子

因子构造筑模型

因子载荷统计性

衡量信息共同度

方差贡献重要性

因子分析四步曲

构造因子求载荷

旋转因子得命名

因子组合求得分

3.9信度分析

设计问卷来调研

信度检验可靠性

3.10效度分析

结构方程协方差

测量模型内外生

结构模型潜变量

效度分析路径图

提出假设依理论

固定负荷识模型

相关阵中估参数

《大嘴巴漫谈数据挖掘（全彩）》从最基本的概率统计学开始，全面、系统、形象而又深入地描述了数据挖掘的基础概念、应用领域以及常用算法。其中每一种数据挖掘算法都辅以通俗易懂的实例，读者能够在直观性、趣味性中学习算法的具体流程，明白算法的实现过程。通过《大嘴巴漫谈数据挖掘（全彩）》的学习，读者可以对数据挖掘的概念、应用和算法技术有一个清晰的理解和认识，并可以熟悉相关统计学的基本原理。
　　《大嘴巴漫谈数据挖掘（全彩）》适合想从事数据挖掘方面的工作的初学者、数据分析爱好者、分析师，以及一线的数据挖掘开发人员参考阅读，也适合客户经理针对如何开展针对性的营销活动，避免客户流失而阅读学习，更适合产品经理阅读，因为针对如何预测产品的目标用户，促进用户活跃和业务有效使用，靠经验已经不行了，数据才最有说服力，更适合企业管理者将其作为一本通俗易懂的数据挖掘基础读物阅读学习，对下属的工作方向给予指导，以及适合教师学生数据挖掘课程辅导之用。

大嘴巴带你玩转数据挖掘
　　让你知道啤酒君和尿布君为什么会相遇，大数据的小科普让你成为"读心"魔法师！
　　数据挖掘私人定制 轻松掌控再无敌手
　　拒绝枯燥越过三境 火爆网络疯狂下载
　　
　　
海报：