《商业数据分析》读书笔记（十二）

12.其他数据科学任务和技巧

基本概念：我们的作为许多共同数据科学技巧基础的概念；熟悉数据科学基础版块的重要性

主要技巧：关联和共发；行为画像；关联预测；数据约简；潜在信息挖掘；电影推荐；误差的偏差-方差解构；模型融合；从数据中进行因果推理

共发和关联：找到互联的项

衡量惊喜：提升和杠杆

例子：啤酒和彩票

脸书喜欢之间的关联

画像：找到典型行为

关联预测和社交推荐

数据约简，潜在信息，和电影推荐

偏差，方差和模型融合

数据驱动因果解释和一个病毒营销案例

总结

第十二章 其它数据科学任务和技术

基本概念： 我们的基本概念是许多常见数据科学技术的基础; 熟悉数据科学构建模块的重要性。

示例性技术： 关联和共现; 行为剖析; 链接预测; 数据减少; 潜在信息挖掘; 电影推荐; 误差的偏差 - 方差分解; 模特合奏; 数据的因果推理。

分析工程的重要性

业务问题本身提供了解决方案的目标和约束。数据和领域知识提供原材料。数据科学提供了将问题分解为子问题的框架，以及解决这些问题的工具和技术。

数据科学为我们提供了丰富的工具解决常见任务，分析工程就是要将问题解构成可以解决的问题。

 

<