关于数据挖掘:数据挖掘如何用大数据做用户异常行为分析 jiezi 4 年前 原文 http://tecdat.cn/?p=1573 “明天咱们见证了数据的爆炸式增长：社交媒体数据、零碎数据、CRM 数据以及大量网络数据。然而，在大多数状况下，这些数据通知了咱们用户行为的常见模式。数据的异样变动可能是咱们零碎中的故障或用户散失的“症结”所在。 如何辨认数据陆地中的“暗礁”是用户行为异样行为剖析所要探讨的问题。 ▼ ▍什么是异样检测？ 异样检测是在数据中找到不合乎“失常”的行为模式的过程。在工夫序列数据中检测到与预期行为有偏差的数据对于确保零碎的失常运行十分重要。 一般来说，异样能够分成两种： ▍全局异样 / 部分异样 部分异样 很多时候咱们能够看到数据的潜在趋势，看起来像一个“波浪”：早上的流动有余，白天很高，早晨很低。部分异样产生在这种状况下。例如：早晨的高流动意味着异样。 全局异样 这是咱们最相熟的那种异常现象。这是一个随机呈现在平时工夫的异常现象。个别应用 95% 分位数就能够检测到。 ▍异样检测办法 咱们应用历史数据来构建由每个被监测的数据的估计值。将实时数据与这些值进行比拟，并调配一个分数。 基于从最近的数据察看失去的阈值，决定实时数据是否为异样。这种办法的长处是阈值不是动态的，而是实时的。 检测场景： tecdat 的解决方案从收集网站的行为数据开始。掂量趋势的三个次要组成部分，即 固定趋势、周期趋势和季节性数据，别离进行了总结，该算法查找到数据中的异样，向用户发送主动实时警报。 通过实时的异样数据监测，咱们能够分明地看到网站流量的差别，在产生异样情况时迅速进行故障排除和修复，缩小网站停机，缩小潜在客户的散失。
原文 http://tecdat.cn/?p=1573 “明天咱们见证了数据的爆炸式增长：社交媒体数据、零碎数据、CRM 数据以及大量网络数据。然而，在大多数状况下，这些数据通知了咱们用户行为的常见模式。数据的异样变动可能是咱们零碎中的故障或用户散失的“症结”所在。 如何辨认数据陆地中的“暗礁”是用户行为异样行为剖析所要探讨的问题。 ▼ ▍什么是异样检测？ 异样检测是在数据中找到不合乎“失常”的行为模式的过程。在工夫序列数据中检测到与预期行为有偏差的数据对于确保零碎的失常运行十分重要。 一般来说，异样能够分成两种： ▍全局异样 / 部分异样 部分异样 很多时候咱们能够看到数据的潜在趋势，看起来像一个“波浪”：早上的流动有余，白天很高，早晨很低。部分异样产生在这种状况下。例如：早晨的高流动意味着异样。 全局异样 这是咱们最相熟的那种异常现象。这是一个随机呈现在平时工夫的异常现象。个别应用 95% 分位数就能够检测到。 ▍异样检测办法 咱们应用历史数据来构建由每个被监测的数据的估计值。将实时数据与这些值进行比拟，并调配一个分数。 基于从最近的数据察看失去的阈值，决定实时数据是否为异样。这种办法的长处是阈值不是动态的，而是实时的。 检测场景： tecdat 的解决方案从收集网站的行为数据开始。掂量趋势的三个次要组成部分，即 固定趋势、周期趋势和季节性数据，别离进行了总结，该算法查找到数据中的异样，向用户发送主动实时警报。 通过实时的异样数据监测，咱们能够分明地看到网站流量的差别，在产生异样情况时迅速进行故障排除和修复，缩小网站停机，缩小潜在客户的散失。