本文通过一个趣味案例介绍了如何利用数据探索、聚类算法（K-Means）进行“脱单”匹配，展示了数据分析在个人生活中的应用。作者首先进行数据清洗与初步探索，接着选择无监督的聚类模型来划分潜在对象，通过K-Means算法不断迭代寻找最佳类别。最后，作者强调了沟通与自我包装的重要性，并分享了实际约会中运用数据分析的趣事。
本文由公众号 AIU人工智能出品，转载自行咨询原创者授权
Hello大家好，上回讲到数据清洗工作已经完成，在建立模型之前，我想看看这些数据的大致情况，专业一点的说法叫做数据探索，就是对已有数据集的一个了解。最简单的探索，看看最大值、最小值、方差、均值、中位数这些，当然，这主要是针对年龄这种数值型的数据，由于之前清洗数据的时候，已经对年龄的上下限做出来限制，所以最大值最小值都在预期之内，至于均值和中位数，可能很多人搞不太清这两者的区别。 大多数人对均值比较熟悉，上学的时候用的也比较多，下边我们可以举个例子来区分探索一下，比如说有5个姑娘，年龄分别是24岁,24岁,28岁,29岁,30岁，那么她们的平均年龄是27岁，而年龄的中位数很明显是28岁，两者并不相同，画一个分布图的话，能明显看出是一个右偏分布，如果扩展到数据量更大的数据集里，画出分布是右偏分布，就能得出这样一个结论，这样一批妹子中间，年纪稍大一点的妹子占多数。如果我比较喜欢御姐型的妹子，我可能已经在偷着乐了，年纪稍大的妹子多一点，御姐就可能会多一点啊，哈哈哈……当然，这只是假设还有概率，还不能这么开心的笑！ （你的好友灵魂画手已上线）
好啦，清洗和简单的探索做完了，下面该建立一个模型来做进一步的分析，挑选出哪些妹子才是和我比较搭的。这里稍稍有点纠结，是做个分类呢还是做个聚类呢？虽然这两类模型从名字上看差不多，但是实际上差别可大着呢，分类模型是有监督的模型，提前已经知道了有几类，每个类有哪些特征。而聚类一般是无监督模型，提前并不知道有几类，需要根据每条数据的特征来寻找数据间的相似性，
最低0.47元/天 解锁文章
扫一扫
3207
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
