数据挖掘

导读：目前我国P2P行业已进入竞争激烈的过程，个人消费贷、小额信贷等也成为P2P行业资产端的竞争，分散型个人客户具备资产集中度低，抵抗宏观经济环境风险、地域金融风险能力强的优势，逐步成为金融业纷纷发力区域。 目前个人信用评分模型来源于传统金融机构信用卡，逐步扩展到个人信贷业务。由于工作主责范围原因，本次分享关于个人信用评分模型建设过程。毕竟专业水平有限，博君…

为推荐系统选择正确的推荐算法非常重要，而可用的算法很多，想要找到最适合所处理问题的算法还是很有难度的。

“推荐系统不是只有眼前的苟且，还有诗和远方的田野”。这也是在推荐和广告界被大量研究的EE问题（Exploit & Explore），Exploit就是眼前的苟且，Explore就是诗和远方的田野。

28页PPT详解腾讯数据挖掘体系及应用

数据的世界是日益复杂的，大数据尤其如此。

长期以来，东莞移动在大数据分析方面一直有很深入的研究与实践，这次他们将运营商大数据与用户信用结合起来，挖掘海量移动用户数据的附加价值。

本文将系统的讲解数据挖掘领域的经典聚类算法，并给予代码实现示例。

随着互联网技术的不断发展，数据呈现出规模大、维度高、结构复杂等特性，人们收集和获得数据的能力也逐渐增强。如何充分利用海量数据、挖掘其中有价值的知识和内容以指导实际生产是科研人员、工程技术人员及各管理层领导所研究及关注的焦点。数据降维能够加快算法执行的速度，同时也能提高分析模型的性能，降低数据的复杂度，缓解“信息丰富、知识贫乏”的现状。

推荐系统的核心是为用户提供个性化的内容。而实现的方式不外乎根据用户的历史行为去预测未来的潜在点击。一个成功的推荐系统，一般要从两个维度体现它的价值：一是帮助用户发现没接触过但会喜欢的有新鲜感的内容;二是提升平台的点击活跃程度，让长尾内容得到更充分的曝光。

本文是从贝叶斯分类器的角度来讨论判别分析

如何使用逻辑回归模型预测股票涨跌

数据挖掘涉及到公司运营的方方面面，这包括对企业部门经营情况的评估、内部员工的管理、生产流程的监管、产品结构优化与新产品开发、财务成本优化、市场结构的分析和客户关系的管理。其中，关于客户与市场的数据分析是“重头戏”。 一、客户全生命周期管理 首先，以客户全生命周期管理为例介绍数据分析运用场景和挖掘主题，如下图所示。 1.发掘潜在客户(市场细分) 关于这个主题的…

本文重点介绍了利用结构方程建模的方式构建用户体验分体系统，从而应用于运营的经验。

数据挖掘有很高的专业门槛；然而用研、产品、运营们也不一定就会被数据科学家们“碾压”了。这篇文章不是数据挖掘教程，而是让用研、产品、运营及其它相关岗位的同学了解： 数据挖掘的特点； 数据挖掘可以做哪些事情、有什么应用价值； 要发挥数据的价值，你们应该怎么与数据挖掘岗协作，你们不可替代的价值在哪里。 文章有点长，良心出品，实在没时间看完全文的同学可以有选择地看。…

这是我在Tenant Assured上报告最初的样子，里面搜集了我的Facebook、Twitter、LinkedIn和Instagram数据。我已经修改了自己的个人邮箱和朋友信息。（Tenant Assured） 在反乌托邦科幻小说《玩家一号》（Ready Player One）中有这样的场景，剧中的主人公在一家大型科技公司网站上无意中看到了自己的档案。其…