数据挖掘

条件概率就是在其他事件发生的基础上，某事件发生的概率。

数据挖掘很大工作不就是调参吗？为什么他提到的这些“厉害”的人物不会做事？

数据挖掘失败的根源。这里笔者结合案例系统梳理下这些挑战，并尝试给出这些挑战的深层次原因和解决建议。

如何系统地学习数据挖掘？

数据挖掘是指从大量的数据中通过算法搜索隐藏于其中信息的过程，通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。

从贝叶斯出发，如何真正的理解算法？

今天就以案例的形式跟大家聊聊团队数据建模师OKR的设置经历，希望于大家有所启示。

利用Python进行商品的亲和性分析。

数据挖掘（Data mining）一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性的信息和知识的过程。简单地说就是，在大型数据库中，自动发现有用信息的过程，加以分析。

遵守好这五大准则，不愁做不好大数据建模。

用户偏好，即对用户内在需求的具体刻画。通过用户的历史行为和数据，对用户进行多角度全方位的刻画与描述，利用统计分析或算法，来挖掘出用户潜在的需求倾向。

今天给大家介绍一个github仓库，收集了非常多的推荐系统的数据集，非常的全面，非常的实用，做推荐系统相关的同学可以收藏一下。

利用预测分析改进欠款催收策略，控制欺诈风险和信贷风险。

下面为大家介绍BI大数据项目的开展使用的模型。

对于渴望了解机器学习基础知识的机器学习新人来说，这里有份数据科学家使用的十大机器学习算法汇总，将为你介绍这十大算法的特性，便于大家更好地理解和应用，快来看看吧。