大數(shù)據(jù)應(yīng)用案例(存儲版)
【正文】 檢數(shù)據(jù)庫，那么只要犯罪分子一出現(xiàn)，系統(tǒng)就能精確地將其識別出來。第二種，沒有類似朋友推薦這類先驗(yàn)知識，你就只能從自己以往的用餐經(jīng)歷中來選擇了，例如你可能會比較餐廳的品牌和用餐環(huán)境，因?yàn)樗坪跻郧暗慕?jīng)歷告訴自己，品牌響、用餐環(huán)境好的餐廳可能味道也會好。通常，我們先把數(shù)據(jù)分成訓(xùn)練集(Training Set)和測 試集(Testing Set)，通過對歷史訓(xùn)練集的訓(xùn)練，生成一個或多個分類器(Classifier)，將這些分類器應(yīng)用到測試集中，就可以對分類器的性能和準(zhǔn)確性做出評判。在伯樂的《相馬經(jīng)》中，就通過簡單分類區(qū)分出羸馬的三條標(biāo)準(zhǔn)：“大頭小頸，弱脊大腹，小頸大蹄”。設(shè)想一下，一天中午，你第一次到三里屯，站在幾家以前從未去過的餐廳門前，現(xiàn)在的問題是該選擇哪家餐廳用餐。很多好萊塢的大片中此類智能系統(tǒng)的應(yīng)用也比比皆是，它能從茫茫人群中實(shí)時找出正在苦苦追蹤的恐怖分子或間諜。訪客點(diǎn)擊的超鏈接的歷史信息。訪問特征。人們在訪問某網(wǎng)站的同時，便提供了個人對網(wǎng)站內(nèi)容的反饋信息：點(diǎn)擊了哪一個鏈接，在哪個網(wǎng)頁停留時間最多，采用了哪個搜索項(xiàng)、總體瀏覽時間等。如果不是在擁有海量的用戶交易數(shù)據(jù)基礎(chǔ)上實(shí)施數(shù)據(jù)挖掘，Target不可能做到如此精準(zhǔn)的營銷?！钡赇伣?jīng)理立刻向來者承認(rèn)錯誤，但是其實(shí)該經(jīng)理并不知道這一行為是總公司運(yùn)行數(shù)據(jù)挖掘的結(jié)果。那么這個結(jié)果符合現(xiàn)實(shí)情況嗎?是否是一個有用的知識?是否有利用價(jià)值?為了驗(yàn)證這一結(jié)果，沃爾瑪派出市場調(diào)查人員和分析師對這一結(jié)果進(jìn)行調(diào)查分析。數(shù)據(jù)挖掘是如何解決問題的?本節(jié)通過幾個數(shù)據(jù)挖掘?qū)嶋H案例來詮釋如何通過數(shù)據(jù)挖掘解決商業(yè)中遇到的問題。一、尿不濕和啤酒很多人會問，究竟數(shù)據(jù)挖掘能夠?yàn)槠髽I(yè)做些什么?下面我們通過一個在數(shù)據(jù)挖掘中最經(jīng)典的案例來解釋這個問題——一個關(guān)于尿不濕與啤酒的故事
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號-1