不百度，根部不知道在说啥(=ﾟωﾟ)=

加油，我是来学习的

常见的大数据模型：
1、线性回归模型：用于预测一个连续的因变量与一个或多个自变量之间的关系。
2、逻辑回归模型：用于预测一个二元因变量与一个或多个自变量之间的关系。
3、决策树模型：通过一系列的决策规则来预测一个离散或连续的因变量。
4、随机森林模型：由多个决策树组成的集成模型，用于预测一个离散或连续的因变量。
5、支持向量机模型：通过将数据映射到高维空间来构建一个超平面，用于分类或回归问题。
6、聚类模型：用于将数据分成不同的组或簇，以发现数据中的模式或结构。
7、关联规则模型：用于发现数据中的频繁项集和关联规则，以揭示数据中的关联关系。
8、神经网络模型：通过模拟人脑的神经元网络来进行模式识别和预测。9、时间序列模型：用于分析时间序列数据，预测未来趋势和周期性变化。
10、K-Means聚类模型：一种基于距离的聚类算法，根据距离将数据分成K个不同的簇。
11、Apriori模型：用于发现数据中的频繁项集和关联规则，以揭示数据中的关联关系。

神经网络模型：通过模拟人脑的神经元之间的连接，构建一个多层的神经网络来进行分类和回归问题的预测。

1. 线性回归模型：用于预测一个连续的数值型变量，通过拟合一条直线来描述自变量和因变量之间的关系。
2. 逻辑回归模型：用于预测一个二元分类变量，通过拟合一条曲线来描述自变量和因变量之间的关系。
3. 决策树模型：用于分类和回归问题，通过构建一棵树来描述自变量和因变量之间的关系。
4. 随机森林模型：是一种集成学习方法，通过组合多个决策树来提高预测准确率。
5. 支持向量机模型：用于分类和回归问题，通过找到一个最优的超平面来将数据分为两类或预测一个连续的数值型变量。
6. 聚类模型：用于将数据分为不同的组，每个组内的数据相似度较高，组间的数据相似度较低。
7. 关联规则模型：用于发现数据中的关联关系，例如购物篮分析中的商品组合。
8. 神经网络模型：用于分类和回归问题，通过模拟人脑神经元之间的连接来学习数据之间的关系。

同环比分析

防超 发表于 2023-8-8 09:57
我知道的是漏斗分析模型，一套流程式数据分析，能够科学反映用户行为状态以及从起点到终点各阶段用户转化率 ...

怎么哪里都有你

1、行为事件分析2、漏斗分析模型3、留存分析模型4、分布分析模型5、点击分析模型6、用户行为路径分析模型7、用户分群分析模型8、属性分析模型

防超 发表于 2023-8-8 09:57
我知道的是漏斗分析模型，一套流程式数据分析，能够科学反映用户行为状态以及从起点到终点各阶段用户转化率 ...

第一名又是你咯，永洪的奖励就是为你设定的

华为盘古大数据分析