Re: [轉錄][請問] data minig研究的問題
partywei626有在很多版都PO相同文章,我想以我的過來人經驗DM主要能有兩個方面進行
一個是純演算法研究(最難的是創一個近乎全新的資料探勘理論,大部分人都是走混和演算
法或是改變或增加一些機制來增加效能或克服弱點),另一個是走案例形式.
本PO著重在案例形式研究(精品業)案例研就著重在案例的特殊性與有趣性,因你在各版
皆有PO文故我不知你是只要拿碩士學位(不需投稿是國外SCI等級)抑或是要投稿以獲取學
位. 作案例沒資料就像沒給汽油(資料)要叫車子(DM演算法)跑一樣困難,如不需頭至國外
則在你老師同意下用問據待替數據是可行的(請最少調查500人左右).反之若是要投稿建議
先確保資料來源再進行(國外投稿案例不特殊會很難上).
另外自學不符合你的經濟效益最好到不同學校去聽課(DM 機器學習 人工智慧)會比你看
書有效(這領域很廣基本上很多老師皆著重其所擅長的部分).若你一定要自學請先從簡單的
書念起不要一下就念聖經本(Han and Kamber 2007, Data Mining Concept and Techniques). 請先從簡單入門書念起不然你會覺得聖經本
跟"無字天書"一樣難念.
PS. PHD版的回文有夠嚴格 是不鼓勵發言是不是阿 囧
Good Luck!
※ 引述《partywei626 ( )》之銘言：
: ※ [本文轉錄自 ask 看板]
: 作者: onecent (Born to SKinNY) 站內: ask
: 標題: [請問] data minig研究的問題
: 時間: Wed Mar 10 00:52:18 2010
: 各位問版的大大們 大家好
: 先跟大家大略交代一下我的的研究的相關背景
: 我的研究是要做精品與消費者購買型態的研究
: 而老師規定我要用data mining的方式(clustering, decision tree, neural network)
: 去分析資料
: 因為不久前才換過指導教授 而所做的領域與現在是大相逕庭
: 之前是做廠商間的網絡分析
: 寒假才轉換跑道
: 看的paper跟書籍還不足以掌握data mining的操作
: 之前meeting時 老師有允諾我 他可以幫我拿到百貨公司精品櫃的相關消費資料
: (因為他有個EMBA的學生在SOGO天母館當經理???)
: 但後來meeting 又跟我說 他的那個學生說
: 顧客消費資料都外包給鼎鼎聯合行銷(happy go) 所以他拿不到資料XD
: 老師就很無奈的問我要不要換個題目@@ 換做他之前學生做過的東西
: 大部分都是壽險 銀行 金融方面的東西 (他的學生都是EMBA的)
: 他也要我去看看學校裡跟系上有買的資料庫 看要不要換做其他東西
: 但系上的買的資料庫 都是科技產業 不然就是金融業的
: 然後學校也沒有買東方線上資料庫
: 以前大學母校有買 不過現在也不能用@@
: 原本想說要進去看看有沒有精品方面的數據資料 @@"
: 因為我前任指導教授就是硬性規定要做他的題目
: 就是金融銀行產業的 我對這方面很無力 相關知識很貧乏
: 也極度不感興趣 所以才換指導教授 沒想到現在又快要繞回原點
: 所以我跟老師請求 給我一點時間 我看看有沒有辦法 可以讓我繼續我有興趣的研究主題
: 這段時間 我有詢問身邊朋友 有沒有人從事精品業 但是效果不彰
: 也有在ptt上po了很多版 (百貨公司,珠寶,品牌,流行....)
: 但效果也不好XD
: 因為我對精品業 時尚相關議題 真的有極高度的興趣 所以真的很不想放棄
: 不好意思 拉拉雜雜說了這麼多
: 重點就是想請問各位 在data mining之下 要做這方面的研究
: 若是沒有data base的話 可以用問卷的方式蒐集資料嗎?
: (不過老師有跟我提過 因為精品業比較特殊 我會無法分辨誰是消費者)
: 還是說有其他辦法?
: 或是有沒有大大知道有哪個資料庫 有蒐集精品消費的相關資料的?
: 因為老師寒假開給我的書單 我看到的模型操作方式 都是靠data base裡的資料
: 因為書上有提到 data mining必須要數值型資料才可以進行分析
: 不然我真想用深度訪度 做質性研究XD
: 先謝謝各位撥冗讀這麼長的文章
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 120.126.19.157
推
03/10 12:31, , 1F
03/10 12:31, 1F
→
03/10 12:31, , 2F
03/10 12:31, 2F
→
03/10 17:10, , 3F
03/10 17:10, 3F
推
03/10 17:26, , 4F
03/10 17:26, 4F
討論串 (同標題文章)
本文引述了以下文章的的內容：
完整討論串 (本文為第 2 之 2 篇)：