最近，工作上的需求，我们开始搞数据挖掘。毕竟不是科班出生，所以研究起来还是有些吃力的，不过，在经过一系列的研究后，还是掌握了几个数据挖掘的算法，基本可以满足公司的业务需要。        首先，还是先以业务为主吧。        公司业务：针对每个游戏用户，推荐给他/她与之玩的比较接近的游戏。类似于京东或者当当网站的“买过这本书的用户还买了其他书……”。我们需要做的是“玩过该游戏的

转自 http://blog.youkuaiyun.com/v_july_v/article/details/7577684 感谢july等第二部分、贝叶斯分类    说实话，友人刘未鹏有一篇讲的贝叶斯的文章：数学之美番外篇：平凡而又神奇的贝叶斯方法，已经把贝叶斯讲的很清晰透彻了，我再讲也是如李白看到崔颢在黄鹤楼上所提的：登黄鹤楼昔人已乘黄鹤去，此地空余黄鹤楼；黄鹤一去不复返，白云千载

数据挖掘技术在网络游戏客户关系管理中的应用现今，数据挖掘技术已经在各个领域得以应用，并有了相当的发展。许多学者对数据挖掘的研究及其在客户关系管理中的应用上获得了相当的突破，很多行业因此获益匪浅。在我国，网络游戏作为一个新兴不久的行业，拥有着巨大的市场和庞大的潜力，但随之而来的是愈发激烈的市场竞争，一些主流的游戏运营商已经把目光投向了在传统行业中取得了巨大成功的客户关系管理体

摘要：个性化推荐很多读者都听说过，但真正它是什么，可能大多数人都说不上来或者并不真正了解，而对于其发展现状和前景，大家也没有一个统一的认识。本文很详尽地介绍了个性化推荐的；理论概念，并深入分析了其面临的10大挑战。个性化推荐经常被人误解为细分市场和精准营销这两个概念。虽然它们之间有一些联系，但实质上却相差甚远。本文不仅清楚地讲述了个性化推荐技术，更列出了其所面临的十大挑战。很多人都知道

在推荐系统简介中，我们给出了推荐系统的一般框架。很明显，推荐方法是整个推荐系统中最核心、最关键的部分，很大程度上决定了推荐系统性能的优劣。目前，主要的推荐方法包括：基于内容推荐、协同过滤推荐、基于关联规则推荐、基于效用推荐、基于知识推荐和组合推荐。一、基于内容推荐基于内容的推荐（Content-basedRecommendation）是信息过滤技术的延续与发展，它是建立在项目的内容信息上作

qq升级后，发现圈子这个玩意儿，进去看了下，我的乖乖，吓了一跳。智能分组做的真是好啊，基本错误率可以控制在2%以内，了不得。数据挖掘可以做到这一点，说明腾讯的技术还是相当牛X的。虽然不是很熟悉内部的技术，但是却能大致看出个道道来，有不对的地方还希望大家轻点拍。1.聚类技术的应用可以说应该是圈子的主要挖掘技术，其中k-means算法需要指定要聚成的k堆值，所以在这里就不适应了，因

关联规则是数据挖掘的四大领域之一。    游戏行业的数据挖掘有很多种应用，本文将介绍关联规则在游戏行业中的应用。    道具的使用，是网络游戏的玩家在游戏中经常会发生的，如果能从玩家在道具的使用中发掘出道具之间的关联规则，那么可以进行有针对性的道具组合推荐来吸引玩家使用。同理，我们可以扩展到游戏商城中进行营销策划。    1.原始数据。     最原始的数据大多数情况下是收集玩