数据挖掘

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。

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。

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。

抖音推荐体系到底有什么奥妙之处？

文 | MaxLeap团队_ Pythoner 开头下定语 统计学习现在市面上谈论到的数据挖掘基本上都是基于统计学习的监督学习或非监督学习问题。尤其以监督学习应用面更广。 统计学习的应用 分类问题：客户分类模型、异常鉴别、图像识别等标注问题：信息抽取、自然语言处理等标注问题：信息抽取、自然语言处理等 统计学习的一般流程 得到一个有限的数据集合确定所有的学习模…

商业智能作为一个工具，是用来处理企业中现有数据，并将其转换成知识、分析和结论，辅助业务或者决策者做出正确且明智的决定。是帮助企业更好地利用数据提高决策质量的技术，包含了从数据仓库到分析型系统等。

每当我们足篮打水一场空时，总会想起女排。38年前，1981年11月16日，中国队击败当时号称“东洋魔女“的日本女排，首次夺得世界冠军，这也是中国在三大球运动（足球、篮球、排球）中的首个世界冠军。

数据预处理的主要步骤分为：数据清理、数据集成、数据规约和数据变换。本文将从这四个方面详细的介绍具体的方法。如果在一个项目中，你在这几个方面的数据处理做的都很不错，对于之后的建模具有极大的帮助，并且能快速达到一个还不错的结果。

如何为特定的问题选择合适的算法

在这篇文章中，我们将仔细研究NLP和NLU的概念以及它们在AI相关技术中的优势。

本文主要讲述数据挖掘分析领域中，最常用的四种数据分析方法：描述型分析、诊断型分析、预测型分析和指令型分析。

作者 | 陈封能 来源 | 《数据挖掘导论》（原书第2版） 导读：数据采集和存储技术的迅速发展，加之数据生成与传播的便捷性，致使数据爆炸性增长，最终形成了当前的大数据时代。围绕这些数据集进行可行的深入分析，对几乎所有社会领域的决策都变得越来越重要：商业和工业、科学和工程、医药和生物技术以及政府和个人。 然而，数据的数量（体积）、复杂性（多样性）以及收集和处理…