#中国统计网#Spark高级分析指南 | 机器学习和分析流程详解（上）( 三 )

主题建模——给一组文档，我们会对这些文档中的不同次进行分析，来看看这些文档之间是否有一些底层的关联。以本书的结构为例。通过在各章节上运行主题模型算法，我们会发现流章节不同于机器学习章节，因为在这两部分有完全不同的词汇。
异常检验——随着时间推移，给定的标准时间类型会经常发生，我们想要在非标准类型时间发生时进行报告。
用户分类——给定一组用户行为，我们想要更好地了解某一用户与其他用户共享哪些属性。例如，议价游戏公司可能根据如在特定游戏上的游戏时长等特性来对用户进行分类算法。算法可能解释了游戏A的晚间也可能经常完游戏B 。这会推动将此结论正式用于推荐系统来为晚间提供其他游戏的推荐。

4. 图分析不如之前的任务那么常见，图分析在高级分析用例中会看到。图分析可以为上述任务提供替代方法。不论如何，这不会使上述方法变得没有价值或被废除，应将其视为一个可替换的构建问题的不同方法。从根本上来说，图分析是对关系的学习，我们指定vertices为对象， edges代表对象之间的关系。通过观察vertices和edges的特性，我们可以更好地学习不同vertices和edges的关系和相似点。
图分析都是关于关系的。

欺诈预测——Capital One使用Spark的图形分析功能来更好地理解欺诈网络。这包括使用不同的诈骗电话号、地址、或其他信息连接不同的人，并利用新信息来发觉新的诈骗性信息（或可疑信息），提前与欺诈作斗争。
异常检测——通过观察个体网络是如何相互连接，异常值和异常现象可以被标记来进行人工分析。比如，如果在我们的数据中，一个定点通常有10条边，而有一个定点只有一条边，那么就很值得调查，因为这是值得研究的奇怪现象。
分类——已知一些网络中给定定点的事实，你可以根据与原始节点的连接来对各节点分类。例如，如果给定个体被标记为公共网络中的有影响者，我们可以将其他有类似网络结构的个体分类为影响者。
推荐——谷歌的原始网络推荐算法， PageRank ，就是一个图算法，其可以分析网站关系用以提供网页重要性排名。作为一个例子，如果一个网页有很多指向他的连接，其会被排名为比没有指向连接的网站更重要。

疫情过去后的 招聘季 马上就要来啦！
你的简历准备好了吗？
即将面试的小伙伴想赢在起跑线吗？
快来参与 应季福利活动吧！
在评论区参与讨论今日话题
#你最喜欢的数据分析工具#
就有机会 免费获得原价99元的简历修改！
活动说明：
1. 本次活动随机抽取评论区3名用户获得奖励 2. 活动中奖名单将在明日15:00公布没有参与的抓紧留言啦！ 3. 刷评、无效评不作为参与名额活动时间：3月10日-3月13日
【#中国统计网#Spark高级分析指南 | 机器学习和分析流程详解（上）】