Webデータ分析＆データサイエンスで役立つ統計学・機械学習系の分析手法10選 - 銀座で働くデータサイエンティストのブログ
追記 2016年3月に以下の記事によってこの内容はupdateされています。今後はそちらをお読み下さい。 主に自分向けのまとめという意味合いが強いんですが（笑）、僕が実際に2013年6月現在webデータ分析＆データサイエンスの実務でツール・ライブラリ・パッケージを利用しているものに限って、統計学・機械学習系の分析手法を10個挙げて紹介してみようと思います。 追記 回帰分析（特に線形重回帰分析） 独立性の検定（カイ二乗検定・フィッシャーの正確確率検定） 主成分分析(PCA) / 因子分析 クラスタリング 決定木 / 回帰木 サポートベクターマシン(SVM) ロジスティック回帰 ランダムフォレスト アソシエーション分析（バスケット分析・相関ルール抽出） 計量時系列分析 おわりに おまけ1：「素性ベクトル＋分類ラベル」なるデータ前処理 おまけ2：グラフ理論*10 {igraph}パッケージでグラ
私が見込み客のコンバージョンを23倍にしたリスト管理の5つの仕組み
ユーザーに届ける価値を徹底的に追求する マーケティングを提供します © Copyright 2022 バズ部. All rights reserved. 突然だが、あなたは「千三つの法則」をご存知だろうか？例えば広告を１０００部出したとしたら、３人の顧客を獲得できる（０．３％の反応率）という法則だ。 ０．３％と言うと、悪い数字だと思われるかもしれないが、実際は、安い広告で、この反応率を取れたら、会社は十分に成長していく。 しかし、顧客管理を徹底すると、これよりも遥かに高い結果を、簡単に出せるようになる。 例えば、以前担当した、ある案件では、獲得した１８６３の顧客リストのうち、１２９名が、実際にお金を払ってくれるお客さまになった。反応率に直すと、６．９２％になる。 これは、０．３％の２３．６倍の数字だ。 なぜ、これだけの反応率が出るのか？それは、売れるセールスマンがやっているように、見込み顧
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
