中航大实训特辑 | Python数据挖掘-案例练习

量刑情节智能识别与分析

项目目标：从判决文本中自动识别并提取量刑相关因素，构建情节特征与判决结果的关联模型，开发案例推送系统和量刑建议生成模块。

数据处理：选取核心字段如全文文本、量刑推理过程、判决结果、罪名、引用法条等，进行数据导入、预处理和可视化。

数据分析：包括罪名分布、引法条引用分析、案件事实文本长度分布、缓刑与实刑判决比例分析等。

模型构建：通过特征工程提取法律文书的量级、具体用词等特征，使用逻辑回归模型进行建模和预测。

基于SVD的商品推荐系统

项目背景：利用用户购买偏好数据进行商品推荐，优化产品和提高客户满意度。

数据处理：包含3900条数据，字段包括年龄、性别、购买历史、支付方式、购买频率等，进行数据导入、预处理和探索分析。

数据分析：从购物行为、商品销售情况、相关性分析等角度进行分析，并进行忠诚度分析。

模型构建：使用矩阵分解（SVD）方法进行推荐，构建用户画像，评估推荐系统效果。

京东用户购买意向预测

项目背景：利用京东多个品类下商品的历史销售数据，预测用户未来五天内的购买意向。

数据处理：包括用户数据、商品数据、评价数据、行为数据等多个表，进行数据一致性和异常值检查，数据预处理和可视化。

数据分析：从周购买量、月购买量、商品类别销售情况等多个维度进行分析。

模型构建：使用决策树和XGBoost模型进行建模，进行训练集和测试集的划分，评估模型效果。