基于python+django的学术会议跟踪分析预测系统

对分析数据进行选取，分析预测情况，分析样本数据：

1)针对业务使用会议用户的活跃程度，统计14天之后的使用情况；

2)对数据分析进行曲线分析，特别是根据14天不使用的账号和14天使用频率极高的会议用户抽取为活跃会议用户，并打上标签，方便后续使用；

3)通过曲线，样本账号是观察在8周之前的行为数据，按照每个周的频率进行统计，同时加入包括数据图像的特征属性。

关于模型待选变量的选择标准主要从四个方面加以考虑：

. 变量的预测能力

. 变量的稳定性

. 变量与业务的趋势一致性

. 变量间的相关性

1. 变量的预测能力

在预测方面的能力的大小，选择合适的计算信息值的IV(Information Value)来量度。IV值可以体现两方面：预测变量和判断分组数据的依据。

IV的定义和熵（平均信息量）的定义很相似：

IV = ∑((p_non-eventattribute – p_eventattribute) * woeattribute)

一般情况下，使用支持向量机的分析有以下情况：

本文采用分析数据方法和scipy框架对数据进行分析，最终用 pillow 库来实现交互界面。在做设计的过程中，了解了很多大数据分析方法，锻炼了自主学习的能力，使用最新的知识对数据进行分析，更好的将数据分析应用到实际应用中去。文章对数据移动会议用户进行流失情况的分析，得出影响会议用户使用的多种因素。使用第三方库抽取会议跟踪数据，本文使用的是会议移动设备，对会议用户的使用属性和行为数据进行分析挖掘，建立预测会议用户模型。

目 录

第一章 绪 论 1

第二章 预测模型构建 4

第三章 预测模型构建 5

3.1业务理解 5

3.1.1业务现状 5

3.1.2问题定义 5

3.2 流失行为 6

3.2.1. 会议用户流失行为定义 6

3.2.2 滚动使用分析 6

3.3 构造分析样本 7

3.4. 检验数据质量 8

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

工具都帮大家整理好了，安装就可直接上手！

三、最新Python学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试宝典

简历模板

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！