Alex王伟健 置顶2018-12-19https://mubu.com/doc/y6YuGg_UA0
有些挺耳熟，不过都还给老师了。工作中或者生活中多用应该就忘得少了编辑回复: 赞
36
2018-12-19老师你好，数学原理里面的内容需要到什么程度，才可以呢？数学这一模块是我很担心的，因为数学实在不怎么样。不知道有什么书籍可以提升这个方面的知识呢。以后常用的也就是这十大算法吗？作者回复: 如果很多人都有这个情况的话，我想抽个时间，给你整理一篇“白话数学基础：数学基础不好的人，如何理解数据挖掘算法”
6 104
2018-12-19体会：
①学渣与学霸最大的区别不是智商，而是学习方法和学习态度。作为一名计算机出身的工科女，曾经差点溺死在各类算法的海洋里，目前初入社会做产品，又差点迷失在数据的大山。个人还需要调整自己的学习方法和学习态度。
②当前个人接触的仅仅是数据收集、数据处理、数据分析、数据展现，看到老师的数据挖掘6步骤，感觉深奥许多，期待老师后续的详细讲解。
课后思考：
对于思考题，我想到了沃尔玛 “啤酒和尿布” 经典案例。沃尔玛正是将Apriori算法引入到POS机数据分析中，从而获得了营销上奇迹。简单说来就是在一个数据集中，找到经常出现的商品组合。当然Apriori算法的计算量很大，当商品数据量大时效率低，FP-Tree算法优化了该算法。展开作者回复: 总结的不错👍
32
2018-12-19数学太差，毕业很久了怎么学习呢？作者回复: 不用担心，很多人都有这个问题。我觉得你可以尝试：
1、培养兴趣：兴趣是最好的老师，我们大自然的很多科学都是和数学相关，比如为什么雪花是六边形？
2、刻意训练：你不需要通过做项目来做完整的数学训练，比如你和朋友去吃饭的时候，你可以脑算下一共花了多少钱？很多时候，心算是数学的一个能力
3、价值暗示：数学可以帮你很多，尤其是在算法效率、代码质量上。很明显，数学好的人，写出来的算法效率也更高。
所以一个代码完成后，你可以问自己个问题：还有没有更好的方法？ 20- 2018-12-19(1)数据挖掘学习方法体会：有了知识清单，相当于有了一个系统思维在那，对快速识别问题的确很有帮助~很好的方法方便实践，就像巴菲特和芒格的投资是使用的公司尽调清单一样，MECE的解决问题
(2)基于电商商品的关联进行推荐从而提高销售的话，个人认为是Apriori算法，其为了提取频繁项集和一定置信度的关联规则，即用户购买了X产品有多大概率去买Y，根据置信度高的原则推荐作者回复: 总结的很好，大家可以看下。尤其是用到了MECE原则👍
19 
2018-12-19理解了数据比选择算法建立模型更重要。我觉得电商网站可以采用Apriori算法，因为通过挖掘频繁项集，可以探索到物品之间的联系，从而为商家提供销售思路！作者回复: 是的，Aprior是个挖掘商品关联关系的常用算法
12
2018-12-19总结与思考：
1. 商业理解：如老师之前所讲，数据挖掘是工具，要么帮我批处理，要么拓展我们思考的规模。也就是说问题本身是人能够处理得了的，只是受限与时间太长或者规模太大，需要借助计算机。人工智能是人思考的放大，如果一个问题人都想不通，指望借助人工智能算法解决，目前恐怕还不现实。遇到问题，首先要“商业理解”，形成一个思路，然后考虑如何借助算法。
2. 问题归类：要解决的问题是属于分类，回归，聚类，还是关联分析等。每种类别的问题都有相对应的算法。不过有时候，对数据做不同的处理，能使问题适用于不同的算法。
3. 数据准备：数据准备已经能提现个人思想了，处理常规的缺失值处理、标准化/归一化，更重要的是所谓的“特征工程”，它决定了数据呈现的方式。同样的数据，呈现方式不同，算法学到的东西也不同。
4. 模型评估。有很多不同的评估指标，需要根据具体问题选择。模型的训练是一个最优化问题，目标不同，优化的方向也不同。
课后思考题：
根据老师文中讲到的方法，我觉得有如下这些方法可以用来做商品间关联分析：
1. Apriori：文中提到是通过挖掘频繁项集，来揭示商品间关系。(不太了解这个算法，期待后续学习)
2. KNN：通过临近商品，判断该商品的特征。我不确定是否试用，但感觉应该能解释商品间的相似性。
以上是自己对课程的理解，有不对的地方，请老师和大家指正。展开 11
2018-12-19文中的引子我深有体会：
我本科就是学的石油工程。油藏的勘探、储量预测、钻井、采油的确对应了数据挖掘的发现业务中的key points、收集业务中的相关数据并建模、再将模型反代入业务进行模型持续的评估、输出可视化的数据分析结论以及报告。
我们在储量预测（数据建模）的时候，也有很多针对不同应用场景的不同方法，增产期用什么、断块油藏用什么模型（将数据分类用什么、对数据进行关联分析用什么算法）
再回答电商网站挖掘商品间的关联关系，提高销售额的问题：
根据Apriori算法的描述，电商的推荐系统（大家熟知的啤酒尿片）应该就是用其建立的。
当然也可能不止这一种，可能还会用分类算法，对用户分群建立用户画像，某一类用户画像，又通过pagerank算法，发现该用户画像下，出现概率高的商品，并进行推荐。
以上是自己的浅薄理解，有误还望童靴们和老师指正~展开 10
2018-12-19陈老师好～我是一名产品经理。目前掌握了简单的python语法，sql语句，在工作中主要使用Tableau作为数据分析工具。希望陈老师推荐下一些书籍（数据分析和统计学）谢谢作者回复: 《利用Python进行数据分析》（使用Python的人可以看看）
《Pentaho Kettle解决方案》（ETL工程师会用到）
《精益数据分析》（商业模式画布，如何构建数据指标体系）
《Tableau数据可视化实战》（这个你应该会了）
《看穿一切数字的统计学》
《写给所有人的极简统计学》 7
2019-02-11觉得最难的不是算法，而是数据到算法选择过程中的衔接工作，比如特征工程。还有就是得到分析结果并不难，解释结果怎么来的，合理性分析很难。 5
2018-12-20apriori 5
2018-12-26决策树这块，C4.5和CART主要不同在哪呢？一般什么时候用C4.5，什么时候用CART呢？
CART即是分类树，又是回归树，是即可以解决分类问题，又可以解决回归问题吗？怎么用呢？ 4- 2018-12-19
一直对数据挖掘感兴趣，但没有找到合适的学习方法，通过这节课 系统的对数据挖掘算法整体有了个认识；希望之后的每一天都可以进步·～
课后思考题：
我觉得可以采用 ‘朴素贝叶斯（Naive Bayes）’ 对商品进行分类；
‘ KNN ’ 商品的分类 邻近算法 知道有哪些相关的 分类；
使用关联Apriori 算法 对购买过相关品类的人进行推荐；来提升销售额；
麻烦老师点评是否正确？展开 4 
2018-12-19C4.5算法中的剪枝是什么意思？机器学习中的梯度下降法是不是也是以最优化方法为数学基础的？ 4
2019-01-20发现我天然具有学数据挖掘的条件，基础数学理论知识掌握的比较牢固，算法中的图论知识也比较感兴趣。作者回复: 很好！
3
2018-12-24强烈要求老师整理一篇“白话数学基础：数学基础不好的人，如何理解数据挖掘算法”， 不然感觉后来会越来越迷茫的。 谢谢老师作者回复: 可以 多谢反馈 我和运营沟通下 争取做个专题出来
3
2018-12-19我大学不是计算机专业，学习这个概率和统计学从哪方面下手作者回复: 感谢关注，其实高中的时候，我们也会接触简单的概率论知识。这里你可以带着问题，去思考。先知道每个概念代表的意义即可，如果不能推导公式，没有关系。不影响你对“条件概率”“联合概率”的理解，也不会影响你使用这些工具，因为在python中都有相应的类库
在使用的基础上，如果你想进一步探索概率论的原理，可以自己推导下这些公式，也可以多做一些相关练习，来加强自己的理解 3
2019-01-01咦 ，怎么没有隐马尔科夫HMM？作者回复: 这里只介绍十大经典算法，有一些算法没有放进去，深度学习，HMM这些确实用的也比较多
2
2018-12-23https://mubu.com/doc/fplKTT3Gln
楼上推荐的幕布真是个好应用，总结特别方便，理解也更加深刻了，还可以导出思维导图。作者回复: 幕布确实很好用，我也是看到留言中不少人在用👍
2
2018-12-21可以使用Apriori算法得到各样品之间关联的程度大小，关联性越大，那么可将该对应商品捆绑销售，可达到提升销售额的目的。还望老师批评指正，谢谢！ 2