精选数据挖掘特征

CRM 的日常，就是跟各种客户数据打交道。怎么挖掘这些数据的价值？用对工具关键。数据挖掘工具其实挺多，真要说哪个好，还真没有绝对的答案。最靠谱的思路就是：找到能搞定你 70%任务的那个，就够用了。 用户行为、预测客户流失、做精准营销，这些场景在 CRM 里太常见了。你要是用过MySQL，那就从熟悉的工具下手也挺好。比如这篇《MySQL 数据库技术实战开发 CRM 客户关系管理系统》，就讲了不少落地方案。 不过嘛，像聚类这种经典技术，在 CRM 里也蛮有用，是做用户分群。想看案例的，可以看看这篇研究电子商务 CRM 的聚类技术，讲得还蛮实在。 工具选得好，效率翻一倍。但别太追求“最强大”，有时候

国际权威的学术组织——IEEE国际数据挖掘会议（ICDM）在2006年12月评选出了数据挖掘领域的十大经典算法：C4.5、k-Means、支持向量机（SVM）、Apriori、期望最大化（EM）、PageRank、AdaBoost、k最近邻（kNN）、朴素贝叶斯和分类与回归树（CART）。

数据挖掘里的神经网络算法，真的是挖掘模型的老帮手了。像BP 神经网络、RBF 结构这些经典算法，不管你是搞预测还是做分类，用起来都挺顺手的。配合MATLAB来跑一跑，体验还挺丝滑。要是你想快速搞个模式识别，简单卷积神经网络就挺适合，代码量不大，效果也不错。 数据清理、数据选择这些步骤，虽然有点繁琐，但别跳，基础打得稳后面建模才不容易翻车。嗯，如果你刚上手神经网络，不妨先看看那份神经网络课件.zip，概念讲得挺明白。 几个资源我看了一下，像这个神经网络：数据挖掘算法简介，算是把思路梳理得比较清楚了，适合快速入门。还有一份MATLAB 实现合集，直接上手跑，方便调试，适合实战派。卷积这块也有例子：

浙江大学的《数据挖掘教程》讲得还挺扎实的，适合想系统入门数据挖掘的朋友。从数据仓库、OLAP 讲到聚类和电商实战，内容跨度大，概念解释也比较通俗，PPT 也做得还行，适合一边啃一边查资料消化。尤其是像关联规则挖掘和分类预测这类知识点，用到了不少经典算法，像Apriori和K-means，有些地方还能直接迁移到工作中用。 数据仓库的架构和OLAP 的多维部分我觉得讲得蛮清楚的，适合搞 BI 系统或者报表的同学，概念和用法都覆盖到了，切片/切块/钻取那些操作如果你平时做数据会经常碰到。 数据预那块也别跳过，像数据清洗、归一化这种操作，前期不做，后面挖掘效果也不会好，别问我怎么知道的（心酸史）。聚类

时间序列分析和数据挖掘资源精选 学习资源 课程 实用时间序列分析 | Coursera 时间序列分析 | 麻省理工学院 - 开放式课件 时间序列分析 | edX 时间序列预测 | Udacity 使用中断时间序列的策略分析 | 英特尔® 开发人员专区 版课程资源 多元时间序列分析 | 芝加哥展台，Ruey S. Tsay 时间序列 | 俄勒冈州立大学 统计预测：有关回归和时间序列分析的注释 | 杜克大学 书籍 Cochrane J H. 宏观经济学和金融学的时间序列 [J]. 计算机应用，2006,26（6）：1175-1178 芝加哥大学手稿，2005年。预测：原则与实践。 Rob

这份资源收录了10道数据挖掘面试题及其详细答案，非常适合正在找工作或准备面试的人士参考！

数据挖掘领域的老司机应该都知道，《Advanced Data Mining Techniques》这本书还挺有料的。讲的是一些比传统方法更给力的技术，比如SVM、集成学习、深度学习这类现在比较火的招数，书里还用了多案例，也清楚。尤其是你要做非结构化数据、带点复杂属性的数据，那这本书真的蛮适合你翻一翻。 传统的数据挖掘方法，比如逻辑回归、神经网络、决策树，其实都蛮经典的，但一碰上复杂数据就容易拉胯。比如逻辑回归只能搞线性问题，神经网络虽然能非线性，但训练慢、资源吃紧。决策树呢，虽然好理解，但过拟合是真的烦。 书里比较推荐的SVM，分类效果不错，高维数据下也能跑得飞快，核技巧一开，非线性问题也能搞

数据挖掘里的数据抽样，真是个值得花点心思搞清楚的事。techpackage.net的这篇文章，把理论和实战结合得挺到位。讲的内容不是光靠嘴皮子，而是有一堆有代表性的案例，尤其是讲怎么用随机数生成器来抽样，挺接地气。像你想在训练模型时少等点时间，又不想数据失真？就得靠这招。另外，文末那一堆链接也蛮贴心，基本把用MATLAB和C 语言搞随机数的方法都扒出来了，什么高斯分布、Zipf 分布、指数分布啥的全都有。你要是刚好在搞模拟数据，顺着点进去看看，不吃亏。

数据挖掘系统的结构分层清晰，技术栈搭配也算是教科书级别的。流程的模块划分细，从数据准备到建模、再到后期的评估与部署，每一块都有明确的职责。对你要做数据挖掘项目的整体架构设计，有参考价值。里面的案例也挺实在，像电商推荐、客户细分这些常见应用场景，全都覆盖了，而且讲得不绕，思路清晰，用词接地气。你不用翻一堆论文就能明白怎么做。系统结构的设计用的是比较经典的三层架构思路：数据源层、数据挖掘核心层、展示与交互层。要是你用过像MySQL或Oracle，就能快对上思路。而且页面上还有不少相关资源，比如 数据挖掘系统结构及技术应用 和 MySQL 性能优化与系统结构设计，点进去就能看细节。实在是太省心了。如