大嘴巴漫談數(shù)據(jù)挖掘（全彩）

第一境昨夜西風凋碧樹。獨上高樓，望盡天涯路……
1.1數(shù)據(jù)挖掘簡介
開篇點題引五問
大數(shù)據(jù)中求價值
定義概述歸特點
知識決策跨領(lǐng)域
架構(gòu)特征多形式
數(shù)據(jù)立方展多維
功能挖掘四大類
分類刻畫類標識
數(shù)據(jù)聚類辨親疏
預(yù)測未來訓模型
關(guān)聯(lián)源自購物籃
模型過程方法論
十大算法成經(jīng)典
1.2數(shù)據(jù)挖掘應(yīng)用
行業(yè)推廣多應(yīng)用
用戶為王放心中
指導(dǎo)運營全周期
定位目標尋用戶
精準營銷成閉環(huán)
交叉產(chǎn)品有關(guān)聯(lián)
細分用戶刻畫像
用戶體驗?zāi)Ｐ突?
指標評測建體系
流失預(yù)警保用戶
跟蹤評估驗效果
第二境衣帶漸寬終不悔，為伊消得人憔悴……
2.1概率定義
浮生難料盡偶然
一枚硬幣拋正反
引出隨機小試驗
樣本空間樣本點
事件三分包萬象
試驗頻率需頻繁
次數(shù)無限值極限
描述概率定特點
古典概型等可能
事件B后A在前
求出概率稱條件
獨立事件A和B
抽簽中獎公平性
常用概率兩公式
交空并全劃樣本
綜合狀態(tài)全概率
前因后果貝葉斯
2.2隨機變量
隨機試驗數(shù)量化
統(tǒng)計規(guī)律雙類型
離散變量分布律
硬幣拋擲是一零
分布函數(shù)連續(xù)型
函數(shù)求導(dǎo)得密度
高斯分布稱正態(tài)
標準正態(tài)分位點
2.3數(shù)字特征
隨機變量有特征
平均取值是期望
方差衡量偏離值
標準開根同量綱
變量關(guān)系協(xié)方差
相關(guān)系數(shù)相關(guān)度
研究總體要抽樣
抽樣分布統(tǒng)計量
2.4參數(shù)估計
最小二乘估參數(shù)
極大似然大概率
區(qū)間估計置信度
2.5假設(shè)檢驗
總體假設(shè)來檢驗
服從正態(tài)抽樣本
統(tǒng)計量中驗假設(shè)
棄真取偽兩錯誤
顯著檢驗小概率
小概率中拒絕域
檢驗流程出決策
已知總體方差值
檢驗中驗均值
第三境眾里尋她千百度，驀然回首，那人卻在，燈火闌珊處。
3.1關(guān)聯(lián)規(guī)則
購物籃中找關(guān)聯(lián)
數(shù)據(jù)事務(wù)若干項
事務(wù)空間含項集
置信支持提升度
規(guī)則源于頻繁項
k項連接和剪枝
生成非空規(guī)則集
關(guān)聯(lián)效果來評估
3.2決策樹
決策思維成樹形
分類預(yù)測工作流
原理基于信息熵
信息增益條件熵
節(jié)點拆分選特征
3.3貝葉斯
預(yù)測分類貝葉斯
類別概率要最大
分類數(shù)據(jù)新預(yù)測
3.4聚類分析
物以類聚人以群
樣本變量定矩陣
R型Q型換空間
距離度量相似度
系數(shù)聚類統(tǒng)計量
標準樣本選歐氏
層次聚合歸大類
3.5神經(jīng)網(wǎng)絡(luò)
神經(jīng)網(wǎng)絡(luò)神經(jīng)元
神經(jīng)元中有加權(quán)
輸入映射輸出層
求出誤差調(diào)參數(shù)
權(quán)重偏置學習率
實例分析模型流
3.6線性回歸
研究身高引回歸
單自變量歸一元
最小二乘估回歸
數(shù)據(jù)差異總離差
分為解釋和誤差
判定系數(shù)擬合度
多元回歸建方程
回歸面中展二元
求得回歸系數(shù)解
衡量擬合驗效果
3.7邏輯回歸
因變量中二分類
二項邏輯回歸式
極大似然解方程
預(yù)測分類符合率
3.8因子分析
相關(guān)變量納因子
因子構(gòu)造筑模型
因子載荷統(tǒng)計性
衡量信息共同度
方差貢獻重要性
因子分析四步曲
構(gòu)造因子求載荷
旋轉(zhuǎn)因子得命名
因子組合求得分
3.9信度分析
設(shè)計問卷來調(diào)研
信度檢驗可靠性
3.10效度分析
結(jié)構(gòu)方程協(xié)方差
測量模型內(nèi)外生
結(jié)構(gòu)模型潛變量
效度分析路徑圖
提出假設(shè)依理論
固定負荷識模型
相關(guān)陣中估參數(shù)