机器学习课堂笔记

机器学习是一门入门容易但精通难的学科

• 机器学习分析人员需要掌握行业知识以了解业务流程、理解数据背后的隐含信息以合理解

读数据、从变化的角度和时间维度把握需求以确定使用哪些数据，这是数据分析的基础

• 机器学习的主要流程是 明确分析目标、数据收集、数据预处理、建模分析、结果评估、部

署使用以及学习更新

明确数据分析目标是机器学习首要的重要步骤，这个步骤需

要与用户进行充分的沟通。

 项目主题： 中国移动客户细分模型

 项目范围：本期项目以乐山市为试点城市

 项目目的：按用户行为进行细分，客观反映用户需求。通过

对各类人群的深入分析，为相关部门制订资费、服务、市场

策略提供基础。

 项目内容：

 建立客户细分模型

 结合各部门需求对客户细分群进行详细分析

 协助市场经营部进行相关服务、市场活动的策划

收集相关的数据（内部业务系统的数据、外部数据）

 外部数据可以通过网络爬虫、购买或交易方式获得。

 充足、全面的高质量数据是机器学习的基础。

算法本身没有绝对的好坏，不同的机器学习算法都有各自的

使用范围。

 选择合适的建模方法或算法，算法的好坏需要实验比较确定。

 此阶段是机器学习的核心部分，使用精巧复杂的分析方法从

数据中提取知识，包括选择建模技术、生成测试设计以及构

建和评估模型。

 算法调优（包括参数或结构等方面）

 机器学习算法是科学，应用是艺术。

分类算法

 分类与回归的区别

 决策树原理

分类算法

 相亲模型

 根据用户 ARPU 值预估用户收入

 回归 分析是分析一个变量与其他一个（或几个）

变量之间的相关关系的统计方法。

 分类 就是通过分析训练集中的数据，为每个类

别做出准确的描述或建立分析模型或挖掘出分

类规则，然后用这个分类规则对其它数据对象

进行分类。

 决策树、支持向量机、神经网络、朴素贝叶斯、

Bayes 网络、 k- 最近邻 等是几种常用的分类方法。

传统的神经网络为BP神经网络，基本网络结构为输入层、隐藏层和输出层，节点代表神经元，

边代表权重值，对输入值按照权重和偏置计算后将结果传给下一层，通过不断的训练修正权

重和偏置。递归神经网络（RNN）、卷积神经网络（CNN）都在神经网络在深度学习上的变种。



神经网络的训练主要包括 前向传输 和 反向传播 。



神经网络的结果准确性与训练集的样本数量和分类质量有关。



神经网络是基于历史数据构建的分析模型，新数据产生时需要动态优化网络的结构和参数。