数据分箱（分层）的几种方法

分箱的几种方法
目标：不同分箱，目标属性相距应尽可能远，比如婴儿和老年在生理和心理上的特征区别明显。

1. 等深分箱
   排序后，每一个分箱样本的个数是一样的，比如（1，2，3），（5，8，11）分箱个数都是3个。
2. 等宽分箱
   排序后，每一个分箱所给定的区间划分长度是一样的。
3. 最优分享
   分箱后标注差异大，比如聚类算法，同一个类别（分箱）之间差异尽可能小，不同类别之间差异尽可能大。
4. 业务分享
   按照业务上已经成熟的观点、知识、习惯分层。比如考试分数分箱60以内不及格，60-80良好，80以上优秀

在python中，可以使用pandas包实现等深和等宽分层，sklearn的聚类算法（比如kmeans）实现最优分箱

---

个性与共性（算法：监督学习）
监督学习算法相对非监督学习存在一个因变量，即相对原因的“结果”推断。
比如推断身高xx，xx学历，xx专业，xx人格，xx职业，xx长相，xx喜好，xx经历，xx环境……的人可能会喜欢什么类型的人。
非监督学习本质上跟人的行为是一样的：经验学习指导推断。
抽象归纳出共性，使得事物认识变得简单。
比如很多人都会说人是一个复杂的动物，行为不可捉摸。但不论怎样，他都是一个人，拥有一个人作为人所共有的一些特征（尽管这种共性是人为界定的）。
一个人的行为按动机功利利己可划分为：损人利己，双赢，损人不利己，损己利他（比如涂尔干讲的利他自杀），如此认识便变得简单：无非是利己和利他两面交叉。
共性普遍适用，至于算法层面体现为经验（模型）具备更好的泛化能力。（推荐高命中）样本少，特征维度多训练的模型可能会过拟合（个性）
比如有10个人，都喜欢听好话，其中有3个人同时喜欢接受实在的意见及批评。你可以向这10个人说好话（共性）以博取好感建立信任。但你不能向这10个人都给出中肯的批评，这是个性化需求。
假设就以上特征，总体特征是10个人有3个人愿意倾听中肯批评意见。但就当前，自己遇到的3个人，3个人都愿意接受批评，我们给出经验所有人都是愿意接受中肯批评的，结果遇到新人就不管情况给人一顿批评，其结果可想而知了。这就是样本不足带来的经验局限。

---

经验的有效之三大要素：

1. 信息准确性
   比如有人指着氢气跟你说氮气和氧气可以通过化学反应生成水，并实验给你看。当你自己取氮气和氧气重复当时实验并未生成水，信息失真。
2. 必要信息的完善度
   比如你天天看到小明去电影院看电影，你以为小明喜欢看电影。殊不知小明一进电影院没多久就打瞌睡，小丽喜欢看电影，小明每次是陪小丽去看电影。
   小红喜欢小明，看小明喜欢看电影，就邀请小明看电影被拒。没捕获到小丽这个因子，必要信息不完善。（这个案例有点牵强）
3. 经验的时效性及具体场景
   让我们回到对真理的界定：真理是相对的，是特定空间和时间下事物间的联系。
   不同空间及时间对于事物之间的联系体现为：充分条件呈现可能会有一定的差异。
   说做产品要强调具体场景，经验不可复用也就是这样，当时情景的条件可能不一样的。
   比如小时候给我10块，让我去搬砖一天我是乐意的，那时我喜欢游戏厅打游戏，基本没零花钱。打游戏这个快乐远胜过我搬砖一天所承受。现在再给我10块钱让我去搬砖一天，除非把我强行抬走。也就是说现在情况不一样了。

---

共性与个性的相辅相成
就个体而言，任何一个人的特征亦或需求都是个性化的。
就不同人，至于细节，世界没有完全相同的叶子。纵然两个人都喜欢吃苹果，两者对吃苹果的感知也是有差异的。
小明手机坏了，我们知道小明需要买一个手机（共性），我们向小明推荐一个华为p40，小明又是否会喜欢呢？任何一个人他的需求都是个性化的，只知道共性没法实现个性化推荐。（共性可以无限向上抽离，是一个相对的概念）
之所以强调共性，本质，是不论做什么，我们不要偏离共性根本特征所拥有的联系。
比如人家要报考一个数学培训班，你给人家推荐语文培训班很可能不会生效（这里就具体需求实现来讲，不考虑需求关联，比如报考数学的人也会报考语文培训班）。
给人家推荐语文培训班，人家不一定会接受，人家是要培训数学。从销售角度来说，我们要做需求澄清具体化，比如客户对上课时间，费用，培训老师，培训地理位置等的要求，如此才能精准把控客户需求。
有些情况，用户可能自己也不知道自己需要什么，可能需要探索引导。