聚类（Clustering），顾名思义就是“物以类聚，人以群分”，其主要思想是按照特定标准把数据集聚合成不同的簇，使同一簇内的数据对象的相似性尽可能大，同时，使不在同一簇内的数据对象的差异性尽可能大。通俗地说，就是把相似的对象分到同一组。聚类算法通常不使用训练数据，只要计算对象间的相似度即可应用算法。这在机器学习领域中被称为无监督学习。 某大型保险企业拥有海量投保客户数据，由于大数据技术
导读本文主要包括两部分内容，第一部分会对零零散散进行了两个多月的用户画像评测做个简要回顾和总结，第二部分会对测试中用到的python大数据处理神器pandas做个整体介绍。Part1 用户画像评测回顾与总结1、为什么做用户画像评测？将时钟拨回到2018年初，大家迫切想打破以往资讯推荐无章可循的局面，而今日的推荐算法也似乎演成了神话，用户意图这个词在WiFi管家团队被一再提及，继而AI推荐布局被推到
转载
2023-10-01 10:41:17
396阅读
什么是用户画像随着大数据时代的来临和AI智能的发展，数据分析广泛应用于生活。比如我可能搜索了某个商品，然后各大购物平台都会主动推荐给我们，除此以外，还会根据我的一些其他的属性来精准投放广告，比如我有一个不到一岁的娃娃，那么各种纸尿裤、辅食等信息都会主动发送给我。所以我们时不时的感概，感觉这些平台一直在监视我们。同时也在纳闷，这些平台到底是如何定位找到我们这类人群，然后精准投放广告的呢？这就涉及到今
最近在工作之余，结合自己的理解和论坛上的一些帖子，整理了份用户画像的文章，个人觉得这篇文章在宏观上很好地描述了用户画像的主要内容。（文章内的图片来源于不同帖子，权当分享，侵删）一、 什么是用户画像 用户画像是指
前言准备实现一下统计意义上的用户画像，所以需要一些后端进行数据的统计 （1）用户基本活动的数据统计 包括过去一段时间的点赞量、浏览量、阅读量的数据统计 （2）用户最喜欢的标签，以及标签的得分 用户阅读的文章，或者点过赞的文章，都属于一定的标签，该用户给那个标签下的文章点赞多，或者阅读那个标签下文章比较多 （3） 用户最喜欢的博主排名 就是用户阅读的文章属于的博客，然后统计每个博客被阅读过的数量，就
转载
2023-07-27 23:10:40
113阅读
在理清画像规划与类型来源后，据企业会员规模与用户群边界定义，手上会有一堆的数据，这时需有个好用的工具，进行数据分析。SPSS 25 版提供了多种数据比较分类的菜单式统计分析方法，同时支援python 整合，是一个十分适合小数据企业的统计分析工具。下面就依SPSS 25 版，进行一个案例演示： 某企业有一群会员，注册即将满一周年，时
转载
2023-10-28 01:18:34
66阅读
一 用户画像简介• 用户画像，即用户信息标签化，通过收集用户社会属性、消费习惯、偏好特征等各个维度数据，进而对用户或者产品特征属性的刻画，并对这些特征分析统计挖掘潜在价值信息，从而抽象出一个用户的信息全貌；• 可看做是企业应用大数据的根基，是定向广告投放与个性化推荐的前置条件，为数据驱动运营奠定了基础。如何从海量数据中挖掘出有价值的信息已经愈发重要。二 用户画像的主要模块以用户端的表单填写、消费、
转载
2023-07-04 00:40:18
22阅读
Part1 用户画像评测回顾与总结1、为什么做用户画像评测？将时钟拨回到2018年初，大家迫切想打破以往资讯推荐无章可循的局面，而今日的推荐算法也似乎演成了神话，用户意图这个词在WiFi管家团队被一再提及，继而AI推荐布局被推到了前台。用户意图识别的优劣取决于对用户实时需求的了解程度，此事古来难。AI团队率先做的尝试是在一些特定场景下猜测用户意图，进行意图相关推荐，如住酒店用户，地铁上用户等，这是
转载
2023-08-22 15:50:40
101阅读
现在我们想要了解用户、得到用户，可以从用户画像开始。肯定有很多小伙伴会问到，用户画像是什么？有什么用？其实用户画像已经很多人有在用，但是大家可能不清楚。今天小编就简单地给大家说一下，用户画像就是将不同类型的用户群体，转化为一个个虚拟典型的人物形象，比如我们可以给不同群体的用户“贴标签”，将目标用户的属性、喜好、行为等数据用浅显和贴近生活的话语表示出来。在过去，我们还没有大数据，服务客户还没有精准服
转载
2023-10-04 09:54:10
138阅读
本次大数据项目数据及分析均做脱敏化和保密化，主要分享思路体系，全程用Python实现，数据和代码均不提供。如有建议欢迎讨论！3、特征工程 特征工程大体上可以分为三个方面，一是特征构造，二是特征选择或特征提取，三是特征变换。特征构造比较麻烦，需要一定的经验。特征提取与特征选择都是为了从原始特征中找出最有效的特征。它们之间的区别是特征提取强调通过特征
♚
作者：KingShine，现居北京，程序猿一枚。主要方向为数据分析、自然语言处理，大数据。希望结交到志同道合的朋友，共同进步。
一、数据准备
本文主要是作为一个PySpark的入手实例来做，数据来源网络。主要用到两个数据文件：
action.txt，
document.txt。下表为
actio
转载
2023-10-08 14:45:55
67阅读
1、概要 传统电影推荐系统大多使用协同过滤算法实现电影推荐，主要实现机理是通过用户评分及用户观影历史数据抽象为多维向量利用欧式距离或其他向量计算公式实现推荐，本文中将采用常用的机器学习算法Kmeans聚类算法+协同过滤算法+word2vec搜索推荐模型多模型多维度实现电影推荐系统，系统主要使用python
1、用户画像1.1、为什么要为用户画像？在互联网大数据时代，得用户者得天下。以庞大的用户数据为依托，构建出一整套完善的用户画像，借助其标签化、信息化、可视化的属性，是企业实现个性化推荐、精准营销强有力的前提基础。深入了解用户画像的含义，掌握用户画像的搭建方法，显得尤其重要。1.1.1、用户画像用户画像：用户画像是真实用户的虚拟代表,是建立在真实数据上的目标用户模型。企业对找到的目标用户
# 用Python做用户画像
用户画像是指通过分析用户的行为、特征和偏好等信息，构建出用户的详细描述。这种描述有助于企业理解用户需求，从而为其提供更优质的服务和产品。在本文中，我们将使用Python库来构建基本的用户画像，并通过一个简单的示例来展示如何实现这一过程。
## 1. 用户画像的基本构成
用户画像通常由以下几个部分组成：
- **基本信息**：如姓名、性别、年龄、地理位置等。
-
背景：该数据集为某电商的用户信息及商家信息的一份数据，以此为基础对用户年龄，用户的平台年龄（注册至今的时间），消费频率，以及各个产品类别的用户消费占比等信息进行用户画像研究。一、认识数据 数据集大小为183828条，共19个属性信息'客户编码', '产品编码', '行为时间', '行为类别', '年龄分段', '性别', '客户注册日期', '会员级别', '会员城市级别', '产品品
转载
2023-08-31 16:56:14
179阅读
用户PERSONA的含义： P 代表基本性（Primary research）指该用户角色是否基于对真实用户的情景访谈E 代表移情性（Empathy）指用户角色中包含姓名、照片和产品相关的描述，该用户角色是否引起同理心。 R 代表真实性（Realistic）指对那些每天与顾客打交道的人来说，用户角色是否看起来像真实人物。 S 代表独特性（Singular）每个用户是否是独特的，彼此很少有相似性。
1. 社交用户关系数据分析案例数据样例：需求：1. 获取每个人的好友个数，并按照好友数量排序2. 获取任意两个人的共同好友3.获取所有人两两共同好友1.public classSimpleFriendsDemo1 {public static voidmain(String[] args) {
HashMap map = new HashMap<>();try(//获取缓冲字符流,读取
转载
2023-08-08 11:45:24
102阅读
1 项目背景1.1 用户画像概念用户画像是什么？用户画像是真实用户的虚拟代表，是建立在一系列真实数据之上的目标用户模型，它的本质是用户特征的“可视化”，抽象出相应的标签，拟合而成的虚拟的形象，主要包含自然属性、社会属性、行为属性及心理属性。需要注意的是，用户画像是将一类有共同特征的用户聚类分析后得出的，因而并非针对某个具像的特定个人。用户画像有什么用？帮助我们更加立体认识用户，培养用户思维、洞察用
转载
2023-09-21 13:43:04
147阅读
一、用户画像基础概念用户画像，即用户信息标签化，通过收集用户的社会属性、消费习惯、偏好特征等各个维度的数据，对用户特征属性进行刻画，并对这些特征进行分析、统计，挖掘潜在价值信息，从而抽象出用户的信息全貌。作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像已在各领域得到了广泛的应用。用户画像在实际应用中往往以最为浅显和贴近生活的话语将用户的属性、行为与期待的数据转化联结起来。如下用户画
转载
2023-12-16 18:30:00
271阅读
作者：罗志恒在日常商业活动中，有各种各样的职能划分：增长、内容、活动、产品，虽然具体工作和最终目标不一样，但其实都是围绕着“用户”去做，可以说都是在做“用户运营”。如今伴随着流量红利的结束、获客成本的不断提高，我们进入了一个用户精细化运营阶段。在这个阶段中，我们不得不使用一个工具——用户“画像”标签体系。今天我们就来说说用户画像。本文重点：1.用户画像在数据分析中的应用；2.如何构建用户画像。一、
