在上一篇文章中，介绍了多元线性回归，该模型一般只是用来衡量数值型变量间的线性关系，当解释变量或者被解释变量为分类型变量时，可能就不再适用，需要引入新的方法，比如设置虚拟变量和选择其它分类模型。接下来就介绍一个简单的二元选择模型——logit回归，此时被解释变量是分类变量，取值为0或者1。引例：信用风险识别，用logit模型对客户的违约行为进行预测。...

上次在用回归模型研究豆瓣短评top500的代表性时，爬了一份用户影视评分数据，今天结合协同过滤算法，做一个简易的“推荐系统”，将特定商品——影视作品推荐给潜在感兴趣的参与打分的用户。数据：包含24594条记录，涉及54部影视作品和19317算法与R语言包：协同过滤算法、recommenderlab具体步骤：数据预处理（主要是转化为稀疏矩阵）——推荐建模（topN；评分状况）+ 结果分析...

这是美团招聘数据分析的两道算法题：一、污水处理问题；二、棋盘颜色翻转。解决思路是R语言的循环与函数。一、【污水处理问题】一家污水处理厂通过去掉污水中有害的污物来净化水质，生产出用于灌溉使用的水源。该处理过程每小时可以去掉处理池中剩余污物的12%。问：1.一天后处理池中将大概处理掉百分之几的污物？2.要多长时间才能把污物的量减少一半？#1x<-0for (i in 1:24) ...

数据挖掘的一般流程：数据挖掘的基础：数据没有数据，谈何挖掘，巧妇难为无米之炊；没有相对有效的数据，模型再好，挖掘出来的信息也是无用的，Garbage in, Garbage out。数据分析并不要求数据完美，本来就有很多方法比如缺失值插补、Bootstrap抽样来应对这个问题，但是数据缺陷一定是有限度的。数据挖掘的目的：业务大多时候，做数据挖掘，不仅是玩数据而已，我们希望的是它能为实际...

基于B站视频数据，重温柯南TV版高人气剧集