如何写一份好的数据分析报告（二）方法篇短彩事业部2011-6分类（Classify）聚类（Cluster）常用分析算法AB预测（Predication）D相关（Correlation）CK-means、K-medoids回归、slopeone……贝叶斯、K-NN……Pearson、欧式……在互联网的数据挖掘中，爬虫类算法（深度优先、广度优先、最佳优先）也经常被用于数据采集工作什么是分类？鸟类占50%以上所以把这个群体定义为鸟什么是聚类？物以类聚什么是相关？喙相关性强喙相关性强喙相关性弱经典算法描述——贝叶斯待分类内容拆分关键字分类字库分类完成自我学习①②③④⑤经典算法描述——K-means随机选K个点作为临时中心点①把每一个点配给最近的中心，并计算新的中心②N次循环第2步完成最终聚类③经典算法描述——slopeone？筛选数据源①衡定内容间关系②？≈预测结果③分析常用图形13579123456789024散点图善于发现因果关系用于探索性数据分析目的是探索自变量和因变量之间的关系123456789直方图不仅能够度量被计量事物的数目、频数，还能体现各个区间所代表的整个数据集的百分比雷达图善于描述某实物各个属性的强弱分布除此以外，一些组合图也常用于分析描述，如柱-线图，柱-饼图……年份XXX普及率1月2月3月4月5月6月7月8月9月10月11月12月2008年74.01%78.45%72.66%72.11%75.64%74.25%73.64%74.42%74.97%73.11%72.51%74.00%2009年79.04%74.91%72.06%71.71%73.34%71.58%73.11%72.50%70.80%71.80%69.27%69.99%2010年71.05%75.31%70.95%69.58%70.50%70.94%71.81%72.22%71.12%69.75%68.18%68.64%2011年69.99%74.08%69.26%？案例分析下表为X省XXX普及率，08-10年，及11年1-3月数据。从往年数据明显看出，普及率逐年、逐月都在呈下降趋势，为使11年4月普及率能保持环比/同比不下降，预计需要发展多少0活动用户？确定分解评估决策普及率发展趋势？普及率=？普及率达到效果？活动客户数/总客户数逐年逐月下降环比持平（69.26%）自问自答确定分解评估决策年份XXX普及率平均1月2月3月4月5月6月7月8月9月10月11月12月2008年74.01%78.45%72.66%72.11%75.64%74.25%73.64%74.42%74.97%73.11%72.51%74.00%74.15%2009年79.04%74.91%72.06%71.71%73.34%71.58%73.11%72.50%70.80%71.80%69.27%69.99%72.51%2010年71.05%75.31%70.95%69.58%70.50%70.94%71.81%72.22%71.12%69.75%68.18%68.64%70.84%2011年69.99%74.08%69.26%？平均73.52%75.69%71.23%71.13%73.16%72.26%72.85%73.05%72.30%71.55%69.99%70.88%普及率在2月有大幅提升，处全年最高年均下降1.65%12345678910111262.00%64.00%66.00%68.00%70.00%72.00%74.00%76.00%78.00%80.00%2008年2009年2010年确定分解评估决策0246810121466.00%68.00%70.00%72.00%74.00%76.00%78.00%f(x)=−0.00252071678321673x+0.73938952020202R²=0.363298347475169图表为月平均普及率散点图，趋势线为一次线性回归拟合线，并通过回归统计分析，计算拟合系数及调整拟合系数均远低于标准置信度0.95。因此普及率呈非线性趋势。因此试选用slopeone算法，处理个性化的预测分析。回归统计MultipleR0.566194RSquare0.320576AdjustedRSquare-1.22222标准误差0.013286观测值11月2月3月4月5月6月7月8月9月10月11月12月2010真实71.05%75.31%70.95%69.58%70.50%70.94%71.81%72.22%71.12%69.75%68.18%68.64%2010预测73.22%74.50%70.16%69.46%71.59%70.56%71.14%71.31%70.59%69.91%68.34%69.27%经评预测平局，10年全年预测误差0.0092，去掉1、2月波动后误差0.0065（即0.65%）经过SLOPEONE预测，11年4月普及率=67.97%±0.65%确定分解评估决策经过以上分析及预测，XX省采用67.97%(±0.65%)的预测，对X万0活动用户进行刺激激活。最终完成了预期，保持住了普及率平稳发展。数据算法分析图形解释选择决定描述总结谢谢欢迎随时交流讨论高福强Mail：gaofq@c-platform.comQQ：181871805
