数据挖掘有哪些常见的应用模型?

a.用户基础研究:用户生命周期模型(进入、成长、成熟、衰退、流失)、用户细分模型、用户价值模型、用户活跃度模型、意愿度识别模型、用户偏好识别模型、流失预警模型、用户激活模型等

b.个性化推荐算法:基于协同过滤(USERBASE/ITEMBASE)、基于内容推荐、基于关联规则Apriot算法、基于热门地区季节商品人群等

c.风控模型:恶意注册模型、异地识别模型、欺诈识别模型、高危会员模型、

电商领域(炒信模型、刷单模型、职业差评师模型、虚假发货模型、反欺诈模型)

金融领域(欺诈评分模型、征信评分模型、催收模型、虚假账单识别模型等)

d.产品知识库:产品聚类分类模型、产品质量评分模型、违禁品识别模型、假货识别模型等

e.文本挖掘、语义识别、图像识别(牛皮癣识别)


欢迎大家继续补充,欢迎大家关注我的知乎专栏“大数据实践与职业生涯”并留言,专栏会陆续的推出过往十多年的大数据工作经验总结和我的一些研究实践成果。如果你是大数据新人,或者想转行进入大数据领域,或者职业生涯上存在一些疑惑,都欢迎关注我的知乎live分享“大数据人的职业生涯规划” 和 “数据分析师-从零入门到精通”。

编辑于 2017-08-02

文章被以下专栏收录

    微信公众号:大数据人的职业手册。分享大数据领域的工作经验和心得体会,分享大数据人的职业生涯规划,分享大数据工程师的入门和进阶之道,分享大数据人的喜怒哀乐。更重要的是希望就如下话题(大数据价值变现 大数据运营体系 大数据系统落地 大数据与产业 大数据与创业投资 大数据与生活 大数据与互联网金融 大数据与商业模式)进行深入的探讨,以抛砖引玉