数据挖掘

本文阐述整个推荐体系从0搭建的全流程，也是最近以来一直深入研究的成果展现

本文阐述整个推荐体系从0搭建的全流程，也是最近以来一直深入研究的成果展现。

用户画像是一种目标用户的人物原型，它不仅可以快速了解用户的基本信息并快速归类，并且可以进一步精准地分析用户行为习惯和态度偏好。用户画像虽然是用户的虚拟代表，但必须基于的是真实用户和真实数据。

现今互联网界，不管是研发、产品、设计，还是市场或运营，用户画像这个概念被炒得相当的火。如何构建用户画像的方法论可谓是汗牛充栋，但鲜有能落地生根的，更别提如何将其应用于实践了。

众所周知，数据挖掘算法并非十全十美，在某些情况下他们也会失效。 使用 K 均值算法（K-Means）时就可能会出现这种情况，当然此时你可以尝试一下另一种方法—— K 中心聚类算法（K-Medoids），也许效果会更好。

文本挖掘（在文本数据库也称文本数据挖掘或者知识发现）是从大量无结构的数据中提炼出模式（也就是有用的信息和知识）的半自动化处理过程。

从海量的公交卡出行记录中识别出小偷，是不是令人脑洞大开的想法？

依靠用户数据创建用户画像在当前热议大数据的时代越来越受到重视。

聚类分析是没有给定划分类别的情况下，根据样本相似度进行样本分组的一种方法，是一种非监督的学习算法。

推荐系统是近些年非常火的技术，不管是电商类软件还是新闻类app，都号称有精准的推荐系统能给你推送你最感兴趣的内容。

以汽车行业为载体，通过对具体业务需求的理解与梳理，转化为数据分析问题，进行数据建模，将输出的结果应用到业务中，对业务提供支持（建议，预测，判断等等）。

跨领域深度学习模型一直是近几年推荐系统主要研究方向之一， 本文探讨一种个人客户画像构建的新思路， 并讨论对应的基于个人行为事件的跨领域统一推荐模型。

数据挖掘，有哪些可以挖掘的知识类型？

这是一篇开源数据挖掘工具的介绍，除了数据挖掘，RapidMiner还提供如数据预处理和可视化、预测分析和统计建模、评估和部署等功能。

在2015年的二月21日，我的妻子已经33天没有来月经了，她怀孕了，这真是天大的好消息！通常月经的周期是大约一个月，如果你们夫妇打算怀孕，那么月经没来或许是一个好消息。但是33天，这还无法确定这是一个消失的月经周期，或许只是来晚了，那么它是否真的是一个好消息？