三个常用数据分析模型的典型应用场景

哪三个模型呢？决策树、K-means聚类、因子分析。

为啥是这三个模型呢？因为这三个模型分别代表了数据分析的三种思路：分类，聚类，降维。

为啥没有回归？回归我打算专门写一篇，因此在本文中暂不涉及。

为啥只说应用场景？因为具体模型有很多专业书籍讲的更好，而且我个人认为，模型是固定的，场景是多变的，知道什么时候该用什么模型，比会用这个模型更重要一些。

那么，接下来正文开始。

一、决策树

定义：机器学习中，决策树是一个预测模型；它代表的是对象属性与对象值之间的一种映射关系。

个人认为决策树最出名的应用应该是这个：

你们头脑里隐藏的任何念头，

都躲不过魔帽的金睛火眼，

戴上它试一下吧，我会告诉你们，

你们应该分到哪一所学院。

你也许属于格兰芬多，

那里有埋藏在心底的勇敢，

他们的胆识、气魄和豪爽，

使格兰芬多出类拔萃；

你也许属于赫奇帕奇，

那里的人正直忠诚，

赫奇帕奇的学子们坚忍诚实，

不畏惧艰辛的劳动；

如果你头脑精明，

或许会进智慧的老拉文克劳，

那些睿智博学的人，

总会在那里遇见他们的同道；

也许你会进斯莱特林，

也许你在这里交上真诚的朋友，

但那些狡诈阴险之辈却会不惜一切手段，

去达到他们的目的。

分院帽应用的是个非常典型的决策树模型（什么鬼），在上文的《分院帽之歌（节选）》中，我标粗的每个部分都可以认为是一个特征，帽子往学生头上一扣，读取学生的显著特征，然后分到某个类别里。所以你看，哈利波特一开始表现出来的特征都是格兰芬多的特征，但他毕竟是个魂器，分院帽读取数据时候发现这个人有两类显著特征，于是犹豫不决，最后还是波特自己提出了要求，这就证明应用模型时的人工干预必不可少（大雾）。

言归正传，决策树在实际工作中基本应用于给人群分类，最好的应用场景是要把人群分为互斥的两类，并找到两类人群的不同特征。当然，分为多个互斥类别也OK。

一个非常典型的场景是流失模型，对电信业来说，通过用户的行为来提前找到哪些人有流失风险，并通过专门优惠等手段挽留，是运营中的重要部分。之前我在转入互联网行业时，第一选择本来是游戏公司（可惜愿意收的给不起合理工资……），因此研究了一下游戏用户流失模型的内容，发现跟电信业有相通之处。举个例子，对于某款端游，定义超过一周不登录用户为流失，那么做过的任务、拿到的装备、打过的副本、充值金额等等，都可以作为预测用特征，比对流失与非流失用户，找到两者的区别，在关键流失节点上加一些运营策略来减少流失。

二、K-means聚类

定义：k-means聚类的目的是：把n个点（可以是样本的一次观察或一个实例）划分到k个聚类中，使得每个点都属于离他最近的均值（此即聚类中心）对应的聚类，以之作为聚类的标准。

K-means聚类的好处在于样本量大的时候，可以快速分群，但需要在分群后注意每个群体的可解释性。换句话说，给你一万个人，分成四群，需要能够解释每一群人的突出特征，如果有两群人的特征很相似，那就要重新分群了；或者有一群人的特征不明显，那就要增加分群了。

聚类与分类不同，分类的目的是得到可复用的规则，使得训练集以外的个体可以直接分到已知的类别里；聚类属于后验的研究，是对已有个体的辨别。当然聚类可以在一定条件下转化为分类，例如K-means里知道了每类的中心，那么新个体可以依据和每类中心的距离，来判断所属类别。但通常情况下，聚类方法本身仍是用于研究的次数更多。

K-means常用的场景是在不清楚用户有几类时，尝试性的将用户进行分类，并根据每类用户的不同特征，决定下步动作。一个典型的应用场景是CRM管理中的数据库营销。举例，对于一个超市/电商网站/综合零售商，可以根据用户的购买行为，将其分为“年轻白领”、“一家三口”、“家有一老”、”初得子女“等等类型，然后通过邮件、短信、推送通知等，向其发起不同的优惠活动。