。。。(中心太长，省略了)

联立①②③，最终求出：

• P(填写表单=”1″ | X) = 62.2%
• P(填写表单=”0″ | X) = 37.8%

这里先解释什么是前提概率：

所以，当定向为X时，朴实贝叶斯数据发掘模型认为，该类用户的转化率在62.2%。

3.朴实贝叶斯的数据发掘的优势

4.朴实贝叶斯的数据发掘案例解读

4.1 原生数据及预处理

我们大年夜今日头条告白后台拿到的数据经由简单处理后，是下面如许的：

合计13339点击，转化量为37。

表3

4.2 计举动当作段重要性，肯定输入字段

公式解读如下：

注：ABS函数，用于求绝对值。

一是在大年夜部分告白投放过程中，前后端数据是割裂的，换句话说，媒体能知道你花钱买的告白给了谁看，但一般不知道哪些人产生了转化;而甲方经由过程本身的监测，可以知道转化的用户是哪一部分，如不雅监测字得够好，也能知道这部分的人群画像，但人群画像的剖断标准与媒体方可能存在差别，统计口径不一致，数据无罪人工打通。

所有可能的输入字段对输出字段的重要性计算结不雅如下：

一般经验来说，字段重要性小于0.1的字段可以不予纳入数据发掘模型中。

所以，今朝根据有限的数据，”性别“这一字段，对于断定用户是否转化的赞助不大年夜，故在接下来的数据发掘模型中，输入字段包含：地级市、年纪、兴趣分类。

开端做数据发掘，具体道理这里不再赘述，直接给出结不雅。

因为所有字段都是类别型字段(差别于数值型字段)，这里介绍一个比较通用的算法，用于评估所有可能的输入字段对输出字段的重要性。

我们看到，数据发掘显示，转化为1的最大年夜概率是1.51%，此时的定向前提是”广州&(50岁以上)-母婴儿童“。而样本数据的┞符体转化率是37/13339 = 0.28%。

下图是转化为1的概率分布，可以看到大年夜于0.28%的数据约有25%，换句话说，基于朴实贝叶斯的用户数据发掘，在324种定向组合中，找到了约四分之一的组合，可以使预估的转化率高于平均程度0.28%。跟着数据量的增长，模型也会赓续改进，对精准定向组合的转化率猜测效能也会越来越好，将有限的告白费花在最有可能转化的用户上。

下面推敲怎么将这一洞察，应用于告白投放，创造更高的ROI。比如制造针对性的创意、提赶过价等等，这个方面各位都是熟手在行了，我就不多说了。

　　推荐阅读

　　神经学家的探寻：这就是机器如何拥有意识的方法

如同大年夜多半烧脑片子一样，《机械姬》让不雅众自行断定，“伊娃”是否具有自我意识。在此过程中，它还奇妙地避免了一个棘手的问题，这一问题迄今为止仍挑衅着大年夜多半以人>>>详细阅读

本文标题：受众画像数据只是看看？——基于朴素贝叶斯的用户数据挖掘

地址：http://www.17bianji.com/lsqh/38552.html

 1/2    1