大數(shù)據(jù)挖掘技術(shù)之dm經(jīng)典模型-全文預(yù)覽
【正文】 。當(dāng)目標(biāo)遵循某一已知的分布時，就可以選擇一個鏈接函數(shù)，它產(chǎn)生的值與目標(biāo)的平均值相同，同時也會產(chǎn)生一個類似的分布。對 Y=aX+b 就可以說明這一點(diǎn)，該方程是一條簡單的直線，取值隨之X的取值而邊變化，從負(fù)無窮到正無窮。盡管通過引入更多維度，可以將線性回歸的幾何解釋擴(kuò)展到多元回歸——曲線變?yōu)槠矫嬖僮兊匠矫妗６嘣貧w引入線性回歸的那個例子使用了單一的輸入——持續(xù)期——來解釋日訪問量隨時間的變化。因?yàn)槟挲g很難作為回歸方程的輸入。例如，考慮不同年齡的汽車保險購買人的風(fēng)險。當(dāng)R值較高時，再加入少量觀察值就不會有上述的改變。R度量了數(shù)據(jù)的穩(wěn)定性。1減去兩個誤差的比值可以計(jì)算出R。在0~1的范圍內(nèi)，值越大表明兩者之間存在很強(qiáng)的關(guān)系，越下其關(guān)系越下。誤差項(xiàng)表示模型無法解釋的Y的部分。這些點(diǎn)出現(xiàn)的原因，可能是由于一些人為記錄的原因造成的。在殘差圖中，最重要的一點(diǎn)就是，這些值是位于擬合曲線之上的可能性與之下的可能性是否一樣。這里引入“殘差”，就是度量預(yù)測值與實(shí)際值之差。這里談到的是線性回歸，其實(shí)回歸模型是一個直線方程，這里只是來描述一個擬合曲線，其實(shí)算不上一個回歸曲線。最佳擬合曲線的定義就是最小二乘法的定義。但是通過擬合曲線，我們更能從直觀上看到，曲線的走勢。Y軸，日訪問量的增加。當(dāng)使用不同的顏色比較不同的客戶組時，這種散點(diǎn)圖尤其有用。“最佳的”關(guān)系是指最大限度地減少了從數(shù)據(jù)點(diǎn)到擬合曲線的垂直距離的平方和。線性回歸回歸模型也是一種預(yù)測建模技術(shù)。似然的組合有一個假設(shè)：各維度關(guān)于目標(biāo)彼此獨(dú)立。兩者之間的主要區(qū)別就在于如何使用維度。樸素貝葉斯模型最吸引人的點(diǎn)：對于待評分的觀測，如果缺失某些輸入值，可以簡單地將缺失的似然從模型中去掉。在整個州市場停止續(xù)簽的似然?；氐交跔I銷市場、渠道獲取、最初信用評分、費(fèi)率計(jì)算、電話號碼類型、手機(jī)型號以及客戶年齡來預(yù)測客戶流失的例子。如果A代表停止續(xù)簽，B代表使用黑莓手機(jī)，然后給定使用黑莓手機(jī)的條件下停止續(xù)簽的概率，就是給定停止續(xù)簽的條件下使用黑莓手機(jī)的概率乘以總體停止續(xù)簽的概率與總體使用黑莓手機(jī)的概率之比。這些變量都具有預(yù)測能力。如果維度為2，且每一維有10個不同的變量，那么就需要100個單元格，而當(dāng)有3個維度時，就需要1000個單元格，哪怕的傳統(tǒng)數(shù)據(jù)挖掘中都會遇到明顯瓶頸。大數(shù)據(jù)挖掘技術(shù)之DM經(jīng)典模型（下）數(shù)據(jù)分析微信公眾號datadw——關(guān)注你想了解的，分享你需要的。隨著輸入數(shù)量的額增加，每個單元格中訓(xùn)練樣本的數(shù)量會迅速減少。比如目標(biāo)變量是取消業(yè)務(wù)的概率，解釋變量是市場、獲取渠道、初始信用評分、利率計(jì)劃、電話號碼類型、手機(jī)號以及客戶年齡。解釋：給定B的條件下A發(fā)生的概率，等于給定A的條件下B發(fā)生的概率乘以A和B發(fā)生的概率的比例。一種估計(jì)結(jié)果概率的方法是計(jì)算樣本數(shù)據(jù)中出現(xiàn)結(jié)果次數(shù)的百分比。幾率的取值是0到無窮。、樸素貝葉斯計(jì)算對任意數(shù)量屬性中的每一個屬性，樸素貝葉斯公式都將目標(biāo)事件的幾率與該事件的似然聯(lián)系起來。黑莓手機(jī)用戶停止的似然。而在實(shí)際中，這種真正相互獨(dú)立的情況很少見。、樸素與表查詢模型的比較對于概率型目標(biāo)來說，樸素貝葉斯模型和表查詢模型密切相關(guān)。在樸素中，需要為每一個維度單獨(dú)計(jì)算似然，之后組合這些似然，從而計(jì)算出目標(biāo)概率。表查詢模型沒有這樣的假設(shè)，所以當(dāng)數(shù)據(jù)多到可以支持一個可信的估計(jì)模型時，表查詢模型也許會做的更好。輸入變量和目標(biāo)變量必須都是數(shù)值變量，回歸方程描述了兩者之間的一種算術(shù)關(guān)系。例如，在較短時間內(nèi)用戶的關(guān)注度分布非常密集。根據(jù)X軸，時間的遞增?？赡苓@里有很多的誤差或不精確的地方。最佳擬合曲線的性質(zhì)：在所有可能的
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1