三個常用數據分析模型的典型應用場景

哪三個模型呢？決策樹、K-means聚類、因子分析。

為啥是這三個模型呢？因為這三個模型分別代表了數據分析的三種思路：分類，聚類，降維。

為啥沒有回歸？回歸我打算專門寫一篇，因此在本文中暫不涉及。

為啥只說應用場景？因為具體模型有很多專業書籍講的更好，而且我個人認為，模型是固定的，場景是多變的，知道什么時候該用什么模型，比會用這個模型更重要一些。

那么，接下來正文開始。

一、決策樹

定義：機器學習中，決策樹是一個預測模型；它代表的是對象屬性與對象值之間的一種映射關系。

個人認為決策樹最出名的應用應該是這個：

你們頭腦里隱藏的任何念頭，

都躲不過魔帽的金睛火眼，

戴上它試一下吧，我會告訴你們，

你們應該分到哪一所學院。

你也許屬于格蘭芬多，

那里有埋藏在心底的勇敢，

他們的膽識、氣魄和豪爽，

使格蘭芬多出類拔萃；

你也許屬于赫奇帕奇，

那里的人正直 忠誠，

赫奇帕奇的學子們堅忍誠實，

不畏懼艱辛的勞動；

如果你頭腦精明，

或許會進智慧的老拉文克勞，

那些睿智博學的人，

總會在那里遇見他們的同道；

也許你會進斯萊特林，

也許你在這里交上真誠的朋友，

但那些狡詐 陰險之輩卻會不惜一切手段，

去達到他們的目的。

分院帽應用的是個非常典型的決策樹模型（什么鬼），在上文的《分院帽之歌（節選）》中，我標粗的每個部分都可以認為是一個特征，帽子往學生頭上一扣，讀取學生的顯著特征，然后分到某個類別里。所以你看，哈利波特一開始表現出來的特征都是格蘭芬多的特征，但他畢竟是個魂器，分院帽讀取數據時候發現這個人有兩類顯著特征，于是猶豫不決，最后還是波特自己提出了要求，這就證明應用模型時的人工干預必不可少（大霧）。

言歸正傳，決策樹在實際工作中基本應用于給人群分類，最好的應用場景是要把人群分為互斥的兩類，并找到兩類人群的不同特征。當然，分為多個互斥類別也OK。

一個非常典型的場景是流失模型，對電信業來說，通過用戶的行為來提前找到哪些人有流失風險，并通過專門優惠等手段挽留，是運營中的重要部分。之前我在轉入互聯網行業時，第一選擇本來是游戲公司（可惜愿意收的給不起合理工資……），因此研究了一下游戲用戶流失模型的內容，發現跟電信業有相通之處。舉個例子，對于某款端游，定義超過一周不登錄用戶為流失，那么做過的任務、拿到的裝備、打過的副本、充值金額等等，都可以作為預測用特征，比對流失與非流失用戶，找到兩者的區別，在關鍵流失節點上加一些運營策略來減少流失。

二、k-means聚類

定義：k-means聚類的目的是：把n個點（可以是樣本的一次觀察或一個實例）劃分到k個聚類中，使得每個點都屬于離他最近的均值（此即聚類中心）對應的聚類，以之作為聚類的標準。

K-means聚類的好處在于樣本量大的時候，可以快速分群，但需要在分群后注意每個群體的可解釋性。換句話說，給你一萬個人，分成四群，需要能夠解釋每一群人的突出特征，如果有兩群人的特征很相似，那就要重新分群了；或者有一群人的特征不明顯，那就要增加分群了。

聚類與分類不同，分類的目的是得到可復用的規則，使得訓練集以外的個體可以直接分到已知的類別里；聚類屬于后驗的研究，是對已有個體的辨別。當然聚類可以在一定條件下轉化為分類，例如K-means里知道了每類的中心，那么新個體可以依據和每類中心的距離，來判斷所屬類別。但通常情況下，聚類方法本身仍是用于研究的次數更多。

K-means常用的場景是在不清楚用戶有幾類時，嘗試性的將用戶進行分類，并根據每類用戶的不同特征，決定下步動作。一個典型的應用場景是CRM管理中的數據庫營銷。舉例，對于一個超市/電商網站/綜合零售商，可以根據用戶的購買行為，將其分為“年輕白領”、“一家三口”、“家有一老”、”初得子女“等等類型，然后通過郵件、短信、推送通知等，向其發起不同的優惠活動。

明尼蘇達州一家塔吉特門店被客戶投訴，一位中年男子指控塔吉特將嬰兒產品優惠券寄給他的女兒——一個高中生。但沒多久他卻來電道歉，因為女兒經他逼問后坦承自己真的懷孕了。塔吉特百貨就是靠著分析用戶所有的購物數據，然后通過相關關系分析得出事情的真實狀況。

這個案例也算是與”啤酒和尿布“知名度差不多的一個案例。在這個案例中，那個高中生少女明顯是被聚到了孕婦那一類，因為她的行為模式與孕婦是很相近的。

（決策樹也可以做這件事，但需要先定義出特征，因此在探索特征未知的領域時，聚類可能更好用一些）

順便說一句，我原先在國企的時候干的就是這個事，而且發送渠道是最土的那種……平信……術語叫數據庫商函……也叫直復營銷（不是直銷也不是傳銷?。?。

三、因子分析

定義：因子分析是指研究從變量群中提取共性因子的統計技術。因子分析可在許多變量中找出隱藏的具有代表性的因子。將相同本質的變量歸入一個因子，可減少變量的數目，還可檢驗變量間關系的假設。

之前說到因子分析是降維的一種方式，而降維歸根結底就是一句話：變量太多的時候，需要將變量重構成帶有更多信息的新變量，新變量與原始變量之間存在相關性，這樣才能在不損失太多原始信息的情況下減少變量數量。

因子分析的一個典型應用場景是滿意度調查。通過市場調研方式獲取消費者滿意度時，通常會有兩位數的問題來了解消費者對哪些方面滿意，哪些方面不滿意，這個時候因子分析就很重要，可以將消費者的問題歸結為相對較少的幾個大問題方向，同時也可以看出哪些問題更為重要，需要優先解決。cda數據分析師培訓