抖音号交易出售资讯开展多元化的服务、差异化的营销，就需要对用户群体进行分类

是数据与算法相爱相杀的第三篇，常见的数据分类算法。

数据分类在业务中应用无处不在，如果我们要开展多元化的服务、差异化的营销，就需要对用户群体进行分类，比如：通过对用户收入的分类，我们找到高净值人群，我们可以直接向他们推荐我们的产品或者VIP服务。

如果我们还有年龄的数据，我们可以向20-50岁之间的高净值人群推荐我们职场的礼包，沿着这样的路径往前走，我们发现我们可以将更多维度的数据加入其中，我们的划分的群体更加具体，我们对他们可以采取的措施也可以更加切合、得当。

如果数据量达到我们肉体难以cover的地步，基于大数据量的分类算法就有了用武之地了。数据分类是一种典型的监督学习，需要我们给出分类结果，然后建立起输入和输出之间的模型。

和上一篇一样，我们不讲各个算法的数学原理和编程方式，作为给PM看的文章，我将各个算法原理讲解清楚，以及算法的应用的场景、优点缺点、注意事项。各位如果想进一步了解可以留言，或者网上找些材料。

数据分类可以用到算法比较多样，比如：决策树、贝叶斯网络、神经网络、遗传算法等，不同的场景下不同的算法有不同的效用。但是分析的过程无外乎训练过程、识别过程两种。

• 训练过程：是从数据库中找到训练集，然后从训练集中进行特征选取，对分类模型进行训练，然后形成分类器。
• 识别过程：是先将待识别的新样本进行特征选取，然后利用分类器进行分类识别。

基于贝叶斯的数据分类

贝叶斯公式想必大家都比较了解，两百年前英国数学家贝叶斯的成果，如今机器学习里很多都是将贝叶斯公式作为基础原理。

朴素的贝叶斯就是揭示了，假如事件A发生的概率已知，事件B发生的概率已知，事件B在事件A发生的情况下发生的概率已知，那我们就知道事件A在事件B发生的情况下概率是多少。