用户击行为模型分析.docxVIP

PAGE \* MERGEFORMAT PAGE \* MERGEFORMAT 1 数据挖掘实验报告 基于用户网站点击行为预测  TOC \o 1-9 \h \u ··· HYPERLINK \l _Toc9323 数据挖掘实验报告 PAGEREF _Toc9323 1 HYPERLINK \l _Toc2756 一． 概要： PAGEREF _Toc2756 3 HYPERLINK \l _Toc984 二．背景和挖掘目标： PAGEREF _Toc984 3 HYPERLINK \l _Toc14017 三．难点分析： PAGEREF _Toc14017 4 HYPERLINK \l _Toc12041 四．难点解答： PAGEREF _Toc12041 4 HYPERLINK \l _Toc4310 五．数据采集： PAGEREF _Toc4310 5 HYPERLINK \l _Toc21105 六．分析方法： PAGEREF _Toc21105 6 HYPERLINK \l _Toc17358 七．数据探索： PAGEREF _Toc17358 8 HYPERLINK \l _Toc19360 7.1数据无效： PAGEREF _Toc19360 8 HYPERLINK \l _Toc25886 7.2数据缺失： PAGEREF _Toc25886 8 HYPERLINK \l _Toc30648 八.数据预处理 PAGEREF _Toc30648 9 HYPERLINK \l _Toc3292 8.1数据清洗 PAGEREF _Toc3292 9 HYPERLINK \l _Toc26636 8.2数据丢弃 PAGEREF _Toc26636 10 HYPERLINK \l _Toc16986 8.3数据转换 PAGEREF _Toc16986 10 HYPERLINK \l _Toc31939 九．挖掘过程： PAGEREF _Toc31939 11 HYPERLINK \l _Toc2745 9.1计算用户爱好 PAGEREF _Toc2745 11 HYPERLINK \l _Toc7601 9.2基于协同过滤算法进行预测 PAGEREF _Toc7601 12 HYPERLINK \l _Toc4335 十．结果分析： PAGEREF _Toc4335 13 HYPERLINK \l _Toc19127 十一.实验总结 PAGEREF _Toc19127 14 HYPERLINK \l _Toc23310 11.1数据的采集 PAGEREF _Toc23310 14 HYPERLINK \l _Toc18539 11.2在试验过程中遇到的问题 PAGEREF _Toc18539 14 HYPERLINK \l _Toc24282 11.3解决方案以及改进 PAGEREF _Toc24282 14 HYPERLINK \l _Toc4837 11.4数据挖掘学习体会： PAGEREF _Toc4837 15  概要： 这次的数据挖掘我们团队做的是基于用户网站点击行为预测，其中遇到的问题有数据量大，机器难以处理，含有时序关系，特征难以描述等，我们运用正负样本比例平衡的方法和时间衰减函数来解决这些问题，运用到的算法有基于协同过滤算法进行预测。 二．背景和挖掘目标： 随着互联网和信息技术的快速发展，广告的精准投放一直是各大广告商面临的问题。点击网络广告的一般有两类人。第一种是不小心点错的，相信大部分人都是不喜欢广告的，但由于网络的互动性，仍然会有部分人把广告当内容点击，其中网站诱导用户点击占了很大一部分比例。第二种是真的想看广告内容，这部分人对广告的内容感兴趣，或是符合他们的需求，才会点击网络广告。认真去研究这两类的行为，进行广告个性化的投放将产生巨大的价值。 基于这个背景，本次课题我们进行了网站点击行为的数据挖掘。数据来自网络，包含了2015年1月1日-2015年6月22日间广告曝光和点击日志。目的是预测每个用户在8天内即2015年6月23日-2015年6月30日间是否会在各检测点上发生点击行为。 利用数据挖掘技术可以帮助获得决策所需的多种知识。在许多情况下，用户并不知道数据存在哪些有价值的信息知识，因此对于一个数据挖掘系统而言，它应该能够同时搜索发现多种模式的知识，以满足用户的期望和实际需要。此外数据挖掘系统还应能够挖掘出多种层次（抽象水平）的模式知识。数据挖掘系统还应容许用户指导挖掘搜索有价值的模式知识 三．难点分析： 数据量大，机器难以处理； 含有时序关系，特征难以描述； 针对行为预测，评价标准