中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

策略產品經理如何對數據進行處理？這篇文章里，作者做了方法介紹以及相應的內容梳理，一起來看看吧。

在正式介紹推薦策略之前，我們需要了解推薦策略產品經理如何對數據進行處理，一切策略都離不開數據。重點在于：

1. 理清公司已有數據；
2. 了解公司有哪些數據表；
3. 判斷數據表內的數據質量如何。

一、常見的底層數據表

電商領域常見的7張離線Hive表：

切片表：按照時間分區，將每天的新數據放在一個獨立的時間分區里，例如：7月1日與7月2日的不同。

增量表：匯總所有數據，新增數據直接在原始表內添加，不增加新分區，訂單表與賣點數據均是增量表，因為其需要選擇某個時段or歷史所有數據，直接截取即可，如果存在不同分區，截取就會很麻煩。

二、數據表加工

ETL（extract-transform-load，抽取——轉換——加載）：從底層數據表抽取數據，然后再清洗加工，最終得到上層表，這一過程不斷進行。

三、數據歸一化與標準化

不同類型的數據需要轉化為同一量綱才能進行比較，需要歸一化/標準化，本質上是一種線性變換（縮放+平移）。（歸一化≠標準化）

1. 歸一化

Min-Max（最小最大值）歸一化（最常用的方式）：

x* = ( x ? min ) / ( max ? min )

歸一化后的數值處于[0,1]之間，實際數據中存在無解釋度的極大（小）值，故需要挑選合適的最大（?。┲?。

適用場景：數據分布集中。

均值歸一化：

x* = ( x ? mean ) / ( max ? min )

歸一化后的數值處于[-1,1]之間

適用場景：數據存在極值，但在業務視角這一極值是合理的。

Log對數函數歸一化：

歸一化后的數值處于[0,1]之間，非線性的歸一化方式，縮小數據間的差距，使之分布均衡。

適用場景：樣本數據跨度大，頭部極值出現頻率相對高。

2. 標準化

歸一化/標準化可以消除不同數據之間量綱差異巨大帶來的無可比擬性：

• 若異常值和噪聲較多，使用標準化數據處理方式可以消除不同特征差異權重的影響，使之權重趨同（歸一化保留了潛在權重關系）。
• KNN和K-Means等涉及距離的業務中，若各特征變量對最終距離影響一致，需要用標準化處理，其余應用根據業務需求進行。

以上介紹的數據處理方法在策略產品工作中會經常用到，一定要熟悉哦！