《数据挖掘电商系列之多指标回归换算》花随花心著

作者: 花随花心 | 来源:发表于2018-05-20 15:24 被阅读1次

序言 | 传道授业

商业智能数据分析师，花随花心。大家好，我是花老师。今天这篇文章，算是本系列的第一篇，核心内容主要是涉及到一些电商指标的换算。

其实，说到这里很多同学应该能够体会，由于平台早在前两年就已经陆续对一些指标进行指数化，比较常见的就是搜索人气、收藏人气、加购人气、交易指数之类的。

如果是刚开始接触这些神级指标的，都压根不知道在说什么。比如就拿搜索人气来说，你知道人气是什么吗？不知道。往往这时候，我会说别看他具体值是多少，只要知道比较大小就可以了。没错，从实用的角度来说，这是可取的。

但，假如我就想知道是多少呢？之所以会导致这种结果，是平台出于保护原始数据的考虑。毕竟，这些核心的数据都是很宝贵的。

越是隐藏的东西，越说明Ta的重要程度。比如就拿收藏人气、加购人气来说，如果你能将对手的这2个数据拿过来，却不能换算出具体的值是多少，是不是觉得有点浪费。

鉴于有部分指标如果你想获取的话，尤其是对手这方面的数据，往往都是要订购的，因此我今天就只拿其中一个指标，比如搜索人气来研究，这个在市场行情标准版里头就能拿到，虽然也是需要订购的，但我相信连这个版本都没有的同学，真的不行的。

正文 | 回归换算

上面的数据来源，就在行业大盘里头，你平时应该看的很多了，手动复制下来即可，最重要的，是要有包含搜索人气这个的数据，以及相对应的搜索点击人数这个指标的数据。

之所以要有2个指标的数据，并且还要求要相对应，就是为了告诉大家，所有指数化数据如果想要知道Ta的原始值的话，就必须先知道两者之间的关系，也就是所谓的算法模型。

别想太多，所谓的算法模型，就是指方程式。方程式你该懂吧，小学三年级的孩子都在学，你会不懂吗？我不信！！！

一般来说，要想知道一个算法模型是怎样的，我们就必须要有足够多的数据来让计算机进行训练。训练的意思，就是让计算机吃这些数据，然后分析出数据之间的规律出来。因此，专业术语上讲，我上面给到的这份表格，里头有关这2个指标的数据，就叫做训练数据。

其中，因为算法有很多种，分别包括分类、聚类、回归和关联。而我们今天要用到的就是回归算法。

所谓的回归，其实就是通过分析指标之间的关系，拟合出一条线，而这条线就是所谓的方程式。看不懂没关系，第一次都是这样。

其中，x值代表搜索人气，y值代表搜索点击人数。而我刚刚所说的一条线，就是上面这条曲线。正如大家所看到的，上面的红色框框里头的方程式 y = 1815.6e9E-05x就是所谓的算法模型，而R²的专业术语叫做拟合度，也就是相似程度。

我们先来看这个方程式，x值代表已知数据，由于我们是想通过搜索人气去求Ta的原始值，因此要让搜索人气来代表x值。

一般来说，R²越大，就说明这个方程式越接近真相。常见的，大于0.625就说明模型在可用范围内。但是，并非说上面这个图的方程式是最好的，因为还有其他的选择。

上面的这个图，我用的是指数回归算法去实现，因此得到的结果，可以看的出来就是指数型方程式。

这是第二种，叫做线性回归算法，方程式y = 2.0988x – 12642，R²可达到0.9293。之所以是线性回归，是因为Ta是一条直线，一般这种方程式，连小学生都知道怎么计算，你只需要输入x值，然后乘以2.0988，得到的结果再减去12642，那么所得到的y值就是搜索点击人数。

我们现在就可以来测试一下，(8,485 4,811)、(12,419 8,949)、(12,228 8,724) 这3个测试数据是我从刚刚上面的表格里头摘取下来的，左边代表搜索人气，右边代表搜索点击人数，经过计算，最终结果为：2.0988 * 8485 - 12642 = 5166，2.0988 * 12,419 - 12642 = 13422，2.0988 * 12,228 - 12642 = 13022。

可以看得出来，这个模型的结果跟实际值还是有很大距离的，我之所以选择用这个模型来计算，是因为这是最简单的计算方式，方便大家理解。

于是乎，我换第三种方式，y = -6E-11x3 + 3E-05x2 + 0.3861x - 658.64，这回R²为1。这种叫做多项回归算法。顾名思义，就是有多个X值需要计算。上面的方程式当中，出现类似 -6E-11这种系数，其实是16进制的数值而已，包括 3E-05也是，记住这种格式是不能拆分的，否则计算会出错。

那么16进制的数值，我们要如何才能知道Ta的8进制是多少呢？很简单，用Excel换算一下即可，如图所示