最流行的用例似乎是不同类型的推荐系统(例如推荐购物项目、社交网络中的用户等)。
但是还有哪些典型的数据科学应用程序可以用于不同的垂直领域?
例如:使用机器学习进行客户流失预测、评估客户生命周期价值、销售预测。
最流行的用例似乎是不同类型的推荐系统(例如推荐购物项目、社交网络中的用户等)。
但是还有哪些典型的数据科学应用程序可以用于不同的垂直领域?
例如:使用机器学习进行客户流失预测、评估客户生命周期价值、销售预测。
此外,Kaggle 上似乎有一个非常全面的按功能和垂直排列的数据科学用例列表—— “数据科学用例”
满意度是我经常遇到的一个巨大的问题。巨大的指重要性/难度/复杂性。
底线是,对于非常大的服务(搜索引擎、facebook、linkedin 等),您的用户只是日志行的集合。您几乎没有能力从他们那里征求反馈(不一定是硬性规定)。所以大多数时候你必须推断他们的正面或负面反馈。
这意味着即使在预测建模之外,也要找到方法,从一系列日志行中真正分辨出某人是否真的喜欢他们经历过的事情。这个简单的行为比 a/b 测试更基本(在我看来),因为您谈论的是最终将在测试记分卡上跟踪的指标。
一旦掌握了良好的 SAT 指标,您就可以开始制作预测模型并进行试验。但是,即使决定哪些日志工具可以告诉您有关 SAT 的信息,也并非易事(并且经常会发生变化)。
当然,这取决于公司的重点:商业、服务等。除了您建议的用例之外,其他一些用例将是: