lbship的博客

一、背景和目标 用户运营是CRM运营中重中之重的一项工作，在人工智能时代，我们可以探索用AI帮助我们做一些用户运营的工作，之前我写了几篇关于快消行业与AI技术相结合的文章：1.利用RFM模型对餐饮客户进行分析2.利用Apriori关联算法看看客户最喜欢买什么3.利用ARMA算法对销售进行预测4.利用深度学习和机器学习对餐饮客户进行分类本次探索一下利用AI来预测用户流失。二、数据采集和准备 数据采集分为几个模块:用户基本信息、消费产品偏好、消费渠道偏好、LBS信息...

本文主要参考王老师的文章贷款或者是不贷，这个文章入门容易，强烈推荐数据源在这里，点击下载成CSV格式，大概是长这个样子的：接下来就是代码：import pandas as pdfrom sklearn.preprocessing import LabelEncoderfrom collections import defaultdictfrom sklearn.cross_...

import pandas as pdimport numpy as npimport tflearnfrom sklearn.preprocessing import LabelEncoder,OneHotEncoderfrom sklearn.model_selection import train_test_splitfrom sklearn.preprocessing imp...

朴素贝叶斯在文本分类、垃圾邮件识别、情感分析等方面有很好的应用。进来就来体验一下，数据借用了点击打开链接，他文件夹里面有分类好的正常邮件，垃圾邮件和测试邮件。也有代码，不过我这个代码我自己写的。主要过程：读取邮件-分词-转化为词袋模型、调用朴素贝叶斯进行分类。代码比较乱，直接上代码：import jieba,reimport osimport numpy as npfrom skl...

一、背景和目标随着大数据时代的到来，很多公司都建立了数据仓库，对分散在各处的数据进行收集，这只是解决了数据应用中的数据孤岛问题，但是不知道如何对数据进行使用。博主打算利用经典的RFM模型来挖掘数据，对某连锁餐饮行业客户进行分类，分成高价值客户、一般价值客户和普通价值客户，方便针对不同客户制定不同的营销策略利用的工具:1.Python3.52.SQL Server20143.Ta...

一、目标 在上一篇博客中，利用RFM模型，使用Kmeans算法，把客户分成了三类，并打好标签，生成了带标签的训练数据。接下来利用这些打好标签的分类数据，使用深度学习和机器学习方法对未打标签的客户进行分类。环境：python3.5机器学习:随机森林深度学习:基于TensorFlow的TFlearn，这个用起来跟sklearn比较相似二、数据采集和分析代码...

一、数据采集使用MovieLen的开放数据集作为数据源，包含了6000个用户对4000个电影的评分数据，大概有100万条评分数据。数据集也可以从这个网址下载。数据集一共有3个文件：movie.date（电影ID::电影名称::标签）1::Toy Story (1995)::Animation|Children's|Comedy2::Jumanji (1995)::Adventure...

一、环境python3.5Linux Red Hat 4.8.5参考官网二、安装1.输入命令yum install python3-dev python3-pip python-virtualenv2.创建虚拟环境virtualenv --system-site-packages -p python3 tensorflow如果要删除虚拟环境的话，直接删除文件...

整套架构图 一、背景知识1.概念 （来自百度百科）:notes(音符):用来记录不同长短的音的进行符号。全音符、二分音符、四分音符、八分音符、十六分音符是最常见的音符。是五线谱中最重要的元素chord(和弦):和弦是乐理上的一个概念，指的是一定音程关系的一组声音。将三个和三个以上的音，按三度叠置的关系，在纵向上加以结合，就成为和弦如果无法使用TensorFl...