三个常用统计模型的典型应用场景

　　跟大家聊三个常用统计模型的应用场景。哪三个模型呢？决策树、Kmeans聚类、因子分析。
　　为啥是这三个模型呢？因为这三个模型分别代表了数据分析的三种思路：分类、聚类、降维。
　　为啥只说应用场景？因为具体模型有很多专业书籍讲的更好，而且我个人认为，模型是固定的，场景是多变的，知道什么时候该用什么模型，比会用这个模型更重要一些。
　　那么，接下来正文开始。
　　一、决策树
　　定义：机器学习中，决策树是一个预测模型；它代表的是对象属性与对象值之间的一种映射关系。
　　个人认为决策树最出名的应用应该是这个：
　　你们头脑里隐藏的任何念头，
　　都躲不过魔帽的金睛火眼，
　　戴上它试一下吧，我会告诉你们，
　　你们应该分到哪一所学院。
　　你也许属于格兰芬多，
　　那里有埋藏在心底的勇敢，
　　他们的胆识、气魄和豪爽，
　　使格兰芬多出类拔萃；
　　你也许属于赫奇帕奇，
　　那里的人正直忠诚，
　　赫奇帕奇的学子们坚忍诚实，
　　不畏惧艰辛的劳动；
　　如果你头脑精明，
　　或许会进智慧的老拉文克劳，
　　那些睿智博学的人，
　　总会在那里遇见他们的同道；
　　也许你会进斯莱特林，
　　也许你在这里交上真诚的朋友，
　　但那些狡诈阴险之辈却会不惜一切手段，
　　去达到他们的目的。
　　分院帽应用的是个非常典型的决策树模型（什么鬼），在上文的《分院帽之歌（节选）》中，我标粗的每个部分都可以认为是一个特征，帽子往学生头上一扣，读取学生的显著特征，然后分到某个类别里。所以你看，哈利波特一开始表现出来的特征都是格兰芬多的特征，但他毕竟是个魂器，分院帽读取数据时候发现这个人有两类显著特征，于是犹豫不决，最后还是波特自己提出了要求，这就证明应用模型时的人工干预必不可少（大雾）。
　　言归正传，决策树在实际工作中基本应用于给人群分类，最好的应用场景是要把人群分为互斥的两类，并找到两类人群的不同特征。当然，分为多个互斥类别也OK。
　　一个非常典型的场景是流失模型，对电信业来说，通过用户的行为来提前找到哪些人有流失风险，并通过专门优惠等手段挽留，是运营中的重要部分。之前我在转入互联网行业时，第一选择本来是游戏公司（可惜愿意收的给不起合理工资），因此研究了一下游戏用户流失模型的内容，发现跟电信业有相通之处。举个例子，对于某款端游，定义超过一周不登录用户为流失，那么做过的任务、拿到的装备、打过的副本、充值金额等等，都可以作为预测用特征，比对流失与非流失用户，找到两者的区别，在关键流失节点上加一些运营策略来减少流失。
　　二、Kmeans聚类
　　定义：kmeans聚类的目的是：把n个点（可以是样本的一次观察或一个实例）划分到k个聚类中，使得每个点都属于离他最近的均值（此即聚类中心）对应的聚类，以之作为聚类的标准。
　　Kmeans聚类的好处在于样本量大的时候，可以快速分群，但需要在分群后注意每个群体的可解释性。换句话说，给你一万个人，分成四群，需要能够解释每一群人的突出特征，如果有两群人的特征很相似，那就要重新分群了；或者有一群人的特征不明显，那就要增加分群了。
　　聚类与分类不同，分类的目的是得到可复用的规则，使得训练集以外的个体可以直接分到已知的类别里；聚类属于后验的研究，是对已有个体的辨别。当然聚类可以在一定条件下转化为分类，例如Kmeans里知道了每类的中心，那么新个体可以依据和每类中心的距离，来判断所属类别。但通常情况下，聚类方法本身仍是用于研究的次数更多。
　　Kmeans常用的场景是在不清楚用户有几类时，尝试性的将用户进行分类，并根据每类用户的不同特征，决定下步动作。一个典型的应用场景是CRM管理中的数据库营销。举例，对于一个超市电商网站综合零售商，可以根据用户的购买行为，将其分为年轻白领、一家三口、家有一老、初得子女等等类型，然后通过邮件、短信、推送通知等，向其发起不同的优惠活动。
　　明尼苏达州一家塔吉特门店被客户投诉，一位中年男子指控塔吉特将婴儿产品优惠券寄给他的女儿一个高中生。但没多久他却来电道歉，因为女儿经他逼问后坦承自己真的怀孕了。塔吉特百货就是靠着分析用户所有的购物数据，然后通过相关关系分析得出事情的真实状况。
　　这个案例也算是与啤酒和尿布知名度差不多的一个案例。在这个案例中，那个高中生少女明显是被聚到了孕妇那一类，因为她的行为模式与孕妇是很相近的。
　　（决策树也可以做这件事，但需要先定义出特征，因此在探索特征未知的领域时，聚类可能更好用一些）
　　顺便说一句，我原先在国企的时候干的就是这个事，而且发送渠道是最土的那种平信术语叫数据库商函也叫直复营销（不是直销也不是传销！）。谁对此有兴趣可以看看我这个答案利用什么可以让产品在市场上公开透明？如何去做？陈丹奕的回答
　　三、因子分析
　　定义：因子分析是指研究从变量群中提取共性因子的统计技术。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关系的假设。
　　之前说到因子分析是降维的一种方式，而降维归根结底就是一句话：变量太多的时候，需要将变量重构成带有更多信息的新变量，新变量与原始变量之间存在相关性，这样才能在不损失太多原始信息的情况下减少变量数量。
　　因子分析的一个典型应用场景是满意度调查。通过市场调研方式获取消费者满意度时，通常会有两位数的问题来了解消费者对哪些方面满意，哪些方面不满意，这个时候因子分析就很重要，可以将消费者的问题归结为相对较少的几个大问题方向，同时也可以看出哪些问题更为重要，需要优先解决。
　　那么，本篇文章到此结束，感谢大家的支持。