跟大家聊三個常用統計模型的應用場景。哪三個模型呢？決策樹、K-means聚類、因子分析。
為啥是這三個模型呢？因為這三個模型分別代表了數據分析的三種思路：分類、聚類、降維。
為啥只說應用場景？因為具體模型有很多專業書籍講的更好，而且我個人認為，模型是固定的，場景是多變的，知道什麼時候該用什麼模型，比會用這個模型更重要一些。
那麼，接下來正文開始。
定義：機器學習中，決策樹是一個預測模型；它代表的是對象屬性與對象值之間的一種映射關係。
個人認為決策樹最出名的應用應該是這個：
你們頭腦裡隱藏的任何念頭，
都躲不過魔帽的金睛火眼，
戴上它試一下吧，我會告訴你們，
你們應該分到哪一所學院。
你也許屬于格蘭芬多，
那裡有埋藏在心底的勇敢，
他們的膽識、氣魄和豪爽，
使格蘭芬多出類拔萃；
你也許屬於赫奇帕奇，
那裡的人正直 忠誠，
赫奇帕奇的學子們堅忍誠實，
不畏懼艱辛的勞動；
如果你頭腦精明，
或許會進智慧的老拉文克勞，
那些睿智博學的人，
總會在那裡遇見他們的同道；
也許你會進斯萊特林，
也許你在這裡交上真誠的朋友，
但那些狡詐 陰險之輩卻會不惜一切手段，
去達到他們的目的。
分院帽應用的是個非常典型的決策樹模型（什麼鬼），在上文的《分院帽之歌（節選）》中，我標粗的每個部分都可以認為是一個特徵，帽子往學生頭上一扣，讀取學生的顯著特徵，然後分到某個類別裡。所以你看，哈利波特一開始表現出來的特徵都是格蘭芬多的特徵，但他畢竟是個魂器，分院帽讀取數據時候發現這個人有兩類顯著特徵，於是猶豫不決，最後還是波特自己提出了要求，這就證明應用模型時的人工幹預必不可少（大霧）。
言歸正傳，決策樹在實際工作中基本應用於給人群分類，最好的應用場景是要把人群分為互斥的兩類，並找到兩類人群的不同特徵。當然，分為多個互斥類別也OK。
一個非常典型的場景是流失模型，對電信業來說，通過用戶的行為來提前找到哪些人有流失風險，並通過專門優惠等手段挽留，是運營中的重要部分。之前我在轉入網際網路行業時，第一選擇本來是遊戲公司（可惜願意收的給不起合理工資……），因此研究了一下遊戲用戶流失模型的內容，發現跟電信業有相通之處。舉個例子，對於某款端遊，定義超過一周不登錄用戶為流失，那麼做過的任務、拿到的裝備、打過的副本、充值金額等等，都可以作為預測用特徵，比對流失與非流失用戶，找到兩者的區別，在關鍵流失節點上加一些運營策略來減少流失。
定義：k-means聚類的目的是：把n個點（可以是樣本的一次觀察或一個實例）劃分到k個聚類中，使得每個點都屬於離他最近的均值（此即聚類中心）對應的聚類，以之作為聚類的標準。
K-means聚類的好處在於樣本量大的時候，可以快速分群，但需要在分群後注意每個群體的可解釋性。換句話說，給你一萬個人，分成四群，需要能夠解釋每一群人的突出特徵，如果有兩群人的特徵很相似，那就要重新分群了；或者有一群人的特徵不明顯，那就要增加分群了。
聚類與分類不同，分類的目的是得到可復用的規則，使得訓練集以外的個體可以直接分到已知的類別裡；聚類屬於後驗的研究，是對已有個體的辨別。當然聚類可以在一定條件下轉化為分類，例如K-means裡知道了每類的中心，那麼新個體可以依據和每類中心的距離，來判斷所屬類別。但通常情況下，聚類方法本身仍是用於研究的次數更多。
K-means常用的場景是在不清楚用戶有幾類時，嘗試性的將用戶進行分類，並根據每類用戶的不同特徵，決定下步動作。一個典型的應用場景是CRM管理中的資料庫營銷。舉例，對於一個超市/電商網站/綜合零售商，可以根據用戶的購買行為，將其分為「年輕白領」、「一家三口」、「家有一老」、」初得子女「等等類型，然後通過郵件、簡訊、推送通知等，向其發起不同的優惠活動。
明尼蘇達州一家塔吉特門店被客戶投訴，一位中年男子指控塔吉特將嬰兒產品優惠券寄給他的女兒——一個高中生。但沒多久他卻來電道歉，因為女兒經他逼問後坦承自己真的懷孕了。塔吉特百貨就是靠著分析用戶所有的購物數據，然後通過相關關係分析得出事情的真實狀況。
這個案例也算是與」啤酒和尿布「知名度差不多的一個案例。在這個案例中，那個高中生少女明顯是被聚到了孕婦那一類，因為她的行為模式與孕婦是很相近的。
（決策樹也可以做這件事，但需要先定義出特徵，因此在探索特徵未知的領域時，聚類可能更好用一些）
順便說一句，我原先在國企的時候幹的就是這個事，而且發送渠道是最土的那種……平信……術語叫資料庫商函……也叫直復營銷（不是直銷也不是傳銷！）。誰對此有興趣可以看看我這個答案……利用什麼可以讓產品在市場上公開透明？如何去做？ – 陳丹奕的回答
定義：因子分析是指研究從變量群中提取共性因子的統計技術。因子分析可在許多變量中找出隱藏的具有代表性的因子。將相同本質的變量歸入一個因子，可減少變量的數目，還可檢驗變量間關係的假設。
之前說到因子分析是降維的一種方式，而降維歸根結底就是一句話：變量太多的時候，需要將變量重構成帶有更多信息的新變量，新變量與原始變量之間存在相關性，這樣才能在不損失太多原始信息的情況下減少變量數量。
因子分析的一個典型應用場景是滿意度調查。通過市場調研方式獲取消費者滿意度時，通常會有兩位數的問題來了解消費者對哪些方面滿意，哪些方面不滿意，這個時候因子分析就很重要，可以將消費者的問題歸結為相對較少的幾個大問題方向，同時也可以看出哪些問題更為重要，需要優先解決。
那麼，本篇文章到此結束，感謝大家的支持。
作者：陳丹奕
連結：https://zhuanlan.zhihu.com/p/20461694
本文由 @陳丹奕 授權發布於人人都是產品經理，未經作者許可，禁止轉載。