作者：馬爾克數據圈成員(yuán)
說到數據分(fēn)析，啤酒和尿布的例子大(dà)家應該都聽(tīng)膩了。再具體(tǐ)、深入一(yī)些的内容，往往因爲數學就令很多人望而卻步了。給大(dà)家分(fēn)享9個不帶數學推導的數據分(fēn)析思路，希望大(dà)家能喜歡~
1.分(fēn)類
分(fēn)類分(fēn)析的目标是：給一(yī)批人(或者物(wù))分(fēn)成幾個類别，或者預測他們屬于每個類别的概率大(dà)小(xiǎo)。
舉個栗子：“京東的用戶中(zhōng)，有哪些會在618中(zhōng)下(xià)單?”這就是個典型的二分(fēn)類問題：買or不買。
分(fēn)類分(fēn)析(根據曆史信息)會産出一(yī)個模型，來預測一(yī)個新的人(或物(wù))會屬于哪個類别，或者屬于某個類别的概率。結果會有兩種形式：
形式1：京東的所有用戶中(zhōng)分(fēn)爲兩類，要麽會買，要麽不會買。
形式2：每個用戶有一(yī)個“會買”，或者“不會買”的概率(顯然這兩個是等效的)。“會買”的概率越大(dà)，我(wǒ)(wǒ)們認爲這個用戶越有可能下(xià)單。
如果爲形式2畫一(yī)道線，比如0.5，大(dà)于0.5是買，小(xiǎo)于0.5是不買，形式2就轉變成形式1了。
2.回歸
回歸任務的目标是：給每個人(或物(wù))根據一(yī)些屬性變量來産出一(yī)個數字(來衡量他的好壞)。
舉個栗子：每個用戶在618會爲京東下(xià)單多少錢的?
注意回歸和分(fēn)類的區别在：分(fēn)類産出的結果是 固定的幾個選項之一(yī) ，而 回歸的結果是連續的數字，可能的取值是無限多的 。
3.聚類
聚類任務的目标是：給定一(yī)批人(或物(wù))，在不指定目标的前提下(xià)，看看哪些人(或物(wù))之間更接近。
注意聚類和上面的分(fēn)類和回歸的本質區别：分(fēn)類和回歸都會有一(yī)個給定的目标(是否下(xià)單，貸款是否違約，房屋價格等等)，聚類是沒有給定目标的。
舉個栗子：給定一(yī)批用戶的購買記錄，有沒有可能分(fēn)成幾種類型?(零食狂魔，電(diàn)子愛好者，美妝達人……)
4.相似匹配
相似匹配任務的目标是：根據已知(zhī)數據，判斷哪些人(或物(wù))跟特定的一(yī)個(一(yī)批)人(或物(wù))更相似。
舉個栗子：已知(zhī)一(yī)批在去(qù)年雙十一(yī)下(xià)單超過10000元的用戶，哪些用戶跟他們比較相似?
5.頻(pín)繁集發現
頻(pín)繁集發現的目标是：找出經常共同出現的人(或物(wù))。這就是大(dà)名鼎鼎的“啤酒和尿布”的例子了。這個例子太容易擴展，就不再舉栗子啦。
6.統計(屬性、行爲、狀态)描述
統計描述任務的目标是最好理解的：具有哪些屬性的人(或物(wù))在什麽狀态下(xià)做什麽什麽事情。
舉個栗子：5月份一(yī)個月内每個用戶在京東7天内無條件退貨的次數
統計描述常常用戶欺詐檢測，試想一(yī)個用戶一(yī)個月退貨100+次，這會是一(yī)種什麽情況?
7.連接預測
連接預測的目标是：預測本應該有聯系(暫時還沒有)的人(或物(wù))。
舉個栗子：你可能認識xxx?你可能想看xxx?
8.數據壓縮
數據壓縮的目的是：減少數據集規模，增加信息密度。
舉個栗子：豆瓣想分(fēn)析用戶關于國外(wài)電(diàn)影的喜好，講國内電(diàn)影的評分(fēn)數據都排除掉
大(dà)數據，也不是數據越多越好，數據多帶來的信息多，但是噪聲也會變多。
9.因果分(fēn)析
顧名思義，因果分(fēn)析的目标是：找出事物(wù)間相互影響的關系。
舉個栗子：廣告的效果提升的原因是廣告内容好?還是投放(fàng)到了更精準的用戶?
這裏最常見的手段就是A/B test啦
數據分(fēn)析是非常強大(dà)的，不過當然還是要在具體(tǐ)的情景下(xià)，嚴格的選擇假設，采用科學的分(fēn)析方法才能産出有價值的結果。數據會說謊的經典案例就是“安慰劑效應”了。以後會分(fēn)享其他更具體(tǐ)的内容，歡迎大(dà)家留言吐槽，一(yī)起學習~
