① 數據挖掘演算法有哪些商業應用案例
樸素貝葉斯(Naive Bayes, NB)
超級簡單像做些數數工作條件獨立假設立NB比鑒別模型（Logistic歸）收斂更快所需要少量訓練數據即使條件獨立假設立NB實際仍表現驚想做類似半監督習或者既要模型簡單要性能NB值嘗試
Logistic歸(Logistic Regression, LR)
LR模型則化比起NB條件獨立性假設LR需要考慮本否相關與決策樹與支持向量機（SVM）同NB概率解釋且容易利用新訓練數據更新模型（使用線梯度降）想要些概率信息（更容易調整類閾值類確定性置信區間）或者希望更數據能便更新改進模型LR值使用
決策樹（Decision Tree, DT）
DT容易理解與解釋（某些言——確定我否其）DT非參數所需要擔野點（或離群點）數據否線性問題（例DT輕松處理種情況：屬於A類本特徵x取值往往非或者非屬於B類本特徵x取值間范圍）DT主要缺點容易擬合隨機森林（Random Forest, RF）（或者Boosted樹）等集習算提原外RF類問題經表現（我相信般比SVM稍）且速度快擴展像SVM需要調整量參數所近RF非流行算
支持向量機（Support Vector Machine, SVM）
高類確率擬合理論保證選取合適核函數面特徵線性問題表現SVM維數通高文本類非流行由於較內存需求繁瑣調參我認RF已經始威脅其位
LR與DT問題（我更傾向LR與RF問題）做簡單總結：兩種都快且擴展確率面RF比LR更優LR線更新且提供用概率信息鑒於Square(確定推斷科家應該趣化身)能事欺詐檢測：想快速調整閾值改變假陽性率與假陰性率類結包含概率信息幫助論選擇算各類本數量均衡（欺詐檢測經發）需要重新采各類數據或者調整誤差度量使各類更均衡
-
② 網路營銷中數據挖掘面臨什麼問題
據我所知 數據挖掘抄
目前為止依然襲是一個搶手的稀缺的有待於深入的專業領域
而這種專業的知識 想要獲取越多越好的經驗
並不是虛無的50積分能夠獲取到的
當然不排除有人價值觀存在這種幾率
50分可以換取的是
數據挖掘最大的問題:並不是數據,而是對客戶意向群體的判斷和准確定位
數據都是存在的,等待挖掘的,而如何判斷數據價值才是挖掘的真正意義
只有定向的真正意義的群體數據才會對客戶直接應用最有效果
③ 求個數據挖掘技術在第三方物流中的案例
數據挖掘技術在第三方物流企業客戶關系管理中的應用
1．構建數據倉庫。通過電話、信函、傳真、E－mail、Web
以及客戶的宣傳資料等方式獲取客戶的基本信息，並加以分析、存儲
形成客戶基本資料、客戶清單、客戶賬單、客戶的各種物流需求、
客戶的咨詢、建議、投訴信息、市場變化等文件資料，這些文件
主要服務於聯機事務處理系統，是數據倉庫的主要原始數據源。
數據倉庫通過ETL過程（抽取、轉換和載入）處理這些介面文件，
並且按不同的主題域組織、存儲和管理這些客戶數據，通過數據
倉庫介面，對數據倉庫中的客戶數據進行聯機分析和數據挖掘。
2．基於主題的數據挖掘。
（1）客戶分類。第三方物流企業以客
戶資源價值和企業利潤最大化作為客戶關系管理的細分標准。利
用數據挖掘技術可以把大量的客戶分成三類：A類客戶，即重點客戶，約占企業客戶總量的5％，對企業的價值貢獻率為80％；B類客戶，即普通客戶，約占企業客戶總量的15％，對企業的價值貢獻率為l5％；C類客戶，即小客戶，除以上兩類客戶以外的客戶群體，對企業的價值貢獻率僅5％。在每一個類里的客戶具有相似的屬性，而不同類里的客戶的屬性也不同。例如，訂貨量多的客戶與訂貨量少的客戶分開進行配貨作業，或根據訂貨種類個數將一個客戶訂單集中進行配貨，可以提供高效率的作業方法。進而提高經濟效益。第三方物流企業可針對不同的客戶實施不同的客戶關系管理策略。
（2）客戶的個性需求。第三方物流企業應針對性地對客戶提供個性化的服務。個性化物流服務，是提升客戶忠誠度的有效途徑。由於不同客戶的產品特性、采購策略、市場策略、客戶服務政策126《商場現代化》2009年1月（下旬刊）總第564期物流平台等都不相同，因此無論是服務內容、服務方式還是響應速度上的要求，都呈現出很強的個性化特徵。第三方物流企業要根據不同的客戶，為其量身定製地提供倉儲、運輸以及從原材料到產成品的存儲、分撥、包裝、加工、配送、結算、信息處理等一系列物流服務，滿足其個性化的物流需求。利用分類分析法和聚類分析法對客戶通話行為進行分析，從而得出客戶在消費習慣、生活方式、社會聯系等方面的特徵。對客戶個性需求分析的根本目的是為了按不同特徵劃分客戶群，針對不同客戶群的特徵，第三方物流企業可以進行不同的市場營銷活動和客戶服務。
④ 誰能給我提供幾個數據挖掘在電子商務中的應用案例急！！！！！！
數據挖掘交流討論（26，與汪生討論「網路日誌分析的整體想法」）http://shzxqdj.blog.163.com/blog/static/816705772010111091055823/
數據挖掘實踐應用（76，網路路徑分析挖掘實戰，上）
http://shzxqdj.blog.163.com/blog/static/8167057720106483155869/
數據挖掘營銷應用（77，網路路徑分析挖掘實戰，下）
http://shzxqdj.blog.163.com/blog/static/816705772010614113824282/
數據挖掘實踐應用(81, 《X產品功能點價值分析報告》落地應用討論匯總)
http://shzxqdj.blog.163.com/blog/static/8167057720108111156557/
⑤ 求：數據挖掘技術在電子商務中有哪些應用謝謝！
購買推薦,反饋分析,客戶分析等.都在用.
⑥ 國內的數據挖掘，大數據應用的案例有哪些
1. 亞馬遜的「信息公司」：果全球哪家公司從大數據發掘出了最大價值，截至目前內，答案可能非亞馬遜莫屬。容亞馬遜也要處理海量數據，這些交易數據的直接價值更大。
作為一家「信息公司」，亞馬遜不僅從每個用戶的購買行為中獲得信息，還將每個用戶在其網站上的所有行為都記錄下來
2. 谷歌的意圖：果說有一家科技公司准確定義了「大數據」概念的話，那一定是谷歌。根據搜索研究公司comScore的數據，僅2012年3月一個月的時間，谷歌處理的搜索詞條數量就高達122億條。谷歌的體量和規模，使它擁有比其他大多數企業更多的應用大數據的途徑。
3.塔吉特的「數據關聯挖掘」:用先進的統計方法，商家可以通過用戶的購買歷史記錄分析來建立模型，預測未來的購買行為，進而設計促銷活動和個性服務避免用戶流失到其他競爭對手那邊。
⑦ 國內的數據挖掘，大數據的案例有哪些
從去年6月接觸大數據以來，我閱覽了大量關於「大數據」的文章，每天大概版是權80篇這樣一個量級。其中60%實在反復強調大數據概念，30%在借大數據的風炒作自己，剩下10%，有談技術的，有談硬體存儲的，有談解決方案，真要問有哪些是接地氣並且實實在在大數據解決問題的案例，那是少之又少。
BAT在談大數據，風投資本在談大數據，銀行/金融/保險在談大數據，IBM、微軟、EMC在談大數據，專家教授在談大數據，可是大數據真的讓我們的生活變得更美好了嗎？作為屌絲青年的我們真正感受到大數據的紅利了嗎？不管你信不信，我沒有感受到。也就是說，大數據落地到普通人身的長征，還沒走完。
我們日常生活中使用電腦、平板、手機的數據，被軟硬體伺服器採集加以使用，而我們卻沒有因為貢獻大數據而讓生活更智能，這不符合邏輯。
⑧ 數據挖掘與網路營銷哪方面比較好些論文
數據挖掘相對網路營銷來說太廣泛了，數據挖掘就是說現在互聯網必須依靠大數據系統來支撐，而大數據挖掘你學到掌握互聯網的各種變化和企業數據分析，而網路營銷只是互聯網的一種模式而已，網路營銷相對大數據額挖掘針對性較強設計面窄，數據挖掘相對涉及面較寬
⑨ 舉例說明數據挖掘技術可以應用於市場營銷做什麼
識別客戶，讓你知道哪些是你的潛在客戶，哪些客戶的忠誠度比較高，內根據這些數據得到你的客容戶分類；
對不同類型的客戶實施精細化分級管理，滿足客戶需求，同時能夠節省成本、增加效率，最終保有和提升客戶的忠誠度；
准確定位客戶的購買行為，通過需求分析、購買力分析、滿意度分析等數據分析挖掘，不斷改進貨品和服務，能夠更好的滿足客戶需求，增加銷量、節約成本，以達到營銷的目的。