数据挖掘的数据集

Posted 2023-05-05

我有一门课是数据挖掘，现在需要找合理的数据集求帮忙！提供点子也可以！

对于现代化的网络营销来说，需要时刻做到跟上潮流，跟上消费者的需求，才能够捆绑客户。那么对于很多企业来说，肯定是需要使用“群体的智慧”。简单来说，根据一些数据来做出比较精准的预测和判断，从而知道客户的需求。现在大数据的应用就是根据这样原理，才能够把算法做得如此成功。而对于Rushmail邮件群发平台来说，对于邮箱群发的数据挖掘可谓是利用到位。

先简单介绍一下，Rushmail邮件平台是一种邮件营销的方式，用户只需要把客户的邮箱全部输入到里面，那么就可以轻松操作，想要什么时候群发都可以，操作非常简便，不需要专门的部门去处理。也就是说，有了Rushmail之后，邮件营销不再是一件非常复杂的事情，并还能够获得非常多有用的数据。比如说：

任务总量：提交给系统需要发送的邮件量

送达数：发送成功的数量，=任务总量-失败数

送达率：=送达数/任务总量

唯一打开数：客户阅读邮件的数量

总打开数：客户重复阅读邮件的数量

打开率：=唯一打开数/送达率

唯一点击数：客户点击过邮件中的链接

总点击数：客户重复点击过邮件中的链接

点击率：=唯一点击数/唯一打开数

失败总数： =无效地址+空间不足+对方拒收

无效地址：收件邮箱地址不存在或已失效

空间不足：收件邮箱地址空间不足，邮箱容量已满

对方拒收：收件邮箱地址拒收此封邮件，有可能是网络因素或者对方设置过关键词等

这些数据都是邮件营销的重要数据，营销本身只是一个推广的行为，而分析营销数据是营销后的结果分析，善于总结是任何一种市场营销活动的关键步骤。根据客户的偏好，来判断这类客户会有什么样的需求，是不是真的需要这种服务。一旦客户阅读了邮件，同时还有重复阅读邮件的情况发生，试问这样的客户是不是有成为目标客户的可能性，至少已经是潜在的客户。那么这个时候销售人员就可以跟踪联系，看客户有没有这方面的需求，从而做好相应的安排。当然这是需要根据具体的情况来进行判断的，而且一般来说，在邮件后面可以带有一些联系方式，让客户可以根据上面的联系方式来选择是否回复。

另外，根据Rushmail群发平台的数据挖掘和整理的思想，轻松看出客户群体的区分情况，哪一类的客户会对企业的产品感兴趣，哪一类客户能够分在同一类的栏目，在使用Rushmail邮件群发的过程中都可以逐步去做，从而对客户进行精准分析。当然，邮件群发要做好内容，这样才能够达到效果，不然客户都没有点击进去的欲望，没有产生点击率，后续做太多的数据挖掘都没有任何的意义。因此，在内容保持优质，态度保持诚恳的情况下不断跟客户用邮件拉近距离，减少沟通成本，那么就容易获得成功。

所以，Rushmail更加了解邮箱群发的数据挖掘，帮助企业更容易获得销售上的成功。

参考技术A 哥们，数据挖掘，就是没有数据集合的。
数据挖掘现在最成功的案例（传播的比较广）就是啤酒+尿不湿的组合，你觉得这个集合合理么？
如果真要说数据集合只能是大集合，比如“快消品集合”，只能这么说。
不过范围太大了，感觉没什么作用。本回答被提问者和网友采纳 参考技术B 回答

这边给您查询分析到1 Awesome Data这是一个 GitHub 存储库，包含多个不同类别的数据集。链接：https://github.com/awesomedata/awesome-public-datasets2 Data Is Plural这是一个以电子表格形式展示的数据集资源，从 2015 年开始定期更新，最新一期是 2020 年 10 月 28 日的资源，因此有些资源非常新。链接：https://docs.google.com/spreadsheets/d/1wZhPLMCHKJvwOkP4juclhjFgqIY8fQFMemwKL2c64vk/edit#gid=03 Kaggle DatasetsKaggle Datasets 提供了关于很多数据集的预览和总结性信息，非常适合用来检索特定主题的数据集。链接：https://www.kaggle.com/datasets4 Data.world和 Kaggle 一样，Data.world 提供了一系列用户贡献的数据集，还为公司存储和组织自己的数据提供了平台。链接：https://data.world/5 Google Dataset Search数据集搜索 是谷歌 2018 年推出的一个新搜索功能。如果你正在寻找特定主题或特定来源的数据，这个工具值得一试。链接：https://datasetsearch.research.google.com/6 OpenDaLOpenDal 也是一个数据集搜索工具，你可以利用多种方式进行搜索，如根据创建时间或框定地图上的某一区域。链接：https://opendatalibrary.com/7 Pandas Data ReaderPandas Data Reader 可以帮助你拉取在线资源中的数据，然后将其用到 Python pandas DataFrame 中。这里大部分是金融数据。链接：https://pandas-datareader.readthedocs.io/en/latest/remote_data.html8 从 API 获取数据利用 Python 从 API 获取数据也是数据科学家常用的一种方法，具体操作步骤可以参见以下教程。链接：https://towards

补充：数据集，又称为资料集、数据集合或资料集合，是一种由数据所组成的集合。Data set（或dataset）是一个数据的集合，通常以表格形式出现。每一列代表一个特定变量。每一行都对应于某一成员的数据集的问题。它列出的价值观为每一个变量，如身高和体重的一个物体或价值的随机数。每个数值被称为数据资料。对应于行数，该数据集的数据可能包括一个或多个成员。

请问您还有什么问题需要我帮助的吗？

 参考技术C weka是机器学习比较好的软件，上手比较容易。
weka主页：http://www.cs.waikato.ac.nz/ml/weka/
这上面可以下载最新版本weka，安装完成后在安装目录下可以看到数据集。
如果你只需要数据集，可以告诉我邮箱，我把数据集发给你。

我应该使用训练数据集的函数来处理训练数据集和测试数据集的缺失值吗

【中文标题】我应该使用训练数据集的函数来处理训练数据集和测试数据集的缺失值吗

【英文标题】：Should i handle the missing values of both train and test dataset using a function of train dataset

【发布时间】：2021-10-03 21:01:07

【问题描述】：

我已将我的数据集拆分为 train 和 test 数据集。两个数据集在“年龄”列中都有缺失值。对于 training 数据集，我应用了一个函数，该函数将通过考虑“sex”和“designation”等其他列来处理具有平均值的缺失值。我通过查看 sns.boxplot 对平均值进行了硬编码

def imp_age(col):
age=col[0]
desg=col[1]
sex=col[2]


if pd.isnull(age):
    if desg==1:
        return 41 
    elif desg==2:
        if sex==0:
            return 33
        else:
            return 38
    else:
        if sex==0:
            return 23
        else:
            return 22
else:
    return age

现在要处理 Test 数据集的“年龄”列中的缺失值，我应该应用为训练数据集设计的相同方法，还是应该创建一个新函数并使用平均值测试数据集

【问题讨论】：

不要手动编码，你很可能会过度简化并弄错。从具有age 的条目中训练regression 算法，并在缺失时使用它来预测age。使用 classification/regression 算法重复方法以获取其他缺失的功能（如果有），最后拆分为 training + validation + test 集，了解原因：en.wikipedia.org/wiki/Training,_validation,_and_test_sets。请注意，如果缺少多个特征，则可能存在依赖概念（例如，age 可以帮助预测一些 disease，因此如果两者都缺失，请从 age 开始）

我投票结束这个问题，因为它与 help center 中定义的编程无关，而是关于 ML 理论和/或方法 - 请参阅 machine-learning @ 中的介绍和注意事项987654323@.

【参考方案1】：

我认为最好应用为训练数据集设计的相同方法。但是，由于训练、测试数据集是来自相同数据的样本，并且您正在计算平均值，因此如果您在训练和测试中分别执行此操作，应该不会有太大差异

【参考方案2】：

我认为在将数据拆分为“年龄”列的训练集和测试集之前，应用一个函数来处理具有平均值或中位数的缺失值，然后拆分数据。

【参考方案3】：

当然，你应该只使用训练数据来处理训练和测试中的缺失数据，如果你分别应用每一个，那么你假设你会在推理时获得一些关于测试数据的信息，这是错误的，因为当模型将被发布，除了即将到来的样本，您将不会有任何统计信息。