同意楼上说地

没学过数据挖掘啊

好活动，支持一下啊！

呵呵，学习一下

太好了，可是没学过数据挖掘啊

没学过啊！！

容易学吗？

第一个问题，俺没有打过篮球所以没法下手。


第二个问题，我说下我的看法。
1.数据。需要两份数据
第一份数据是销售数据
时间        销售金额        店面编号

时间	销售金额	店面编号
2010.5.1 11:00:20	20	1
2010.5.1 11:00:21	20	1
2010.5.1 11:00:22	20	1
2010.5.1 11:00:23	20	1
2010.5.1 11:00:24	20	1
2010.5.1 11:00:25	50	1
2010.5.1 11:00:26	50	1
2010.5.1 11:00:27	50	1
2010.5.1 11:00:28	50	1
2010.5.1 11:00:29	50	1
2010.5.1 11:00:30	50	1
2010.5.1 11:00:31	50	1
2010.5.1 11:00:32	50	1
2010.5.1 11:00:20	50	2
2010.5.1 11:00:21	50	1
2010.5.1 11:00:22	100	1
2010.5.1 11:00:23	100	1
2010.5.1 11:00:24	100	1
2010.5.1 11:00:25	100	1
2010.5.1 11:00:26	100	1
2010.5.1 11:00:27	100	1
2010.5.1 11:00:28	100	1
2010.5.1 11:00:29	100	1
2010.5.1 11:00:30	100	1
2010.5.1 11:00:31	100	1
2010.5.1 11:00:32	100	1

第二份数据是 赛事时间相关数据

赛事编号	赛事时间开始时间	赛事结束时间
1	2010.5.1 11:00:23	2010.5.1 11:00:30
2	2010.5.1 11:00:24	2010.5.1 11:00:31
3	2010.5.1 11:00:25	2010.5.1 11:00:32
4	2010.5.1 11:00:26	2010.5.1 11:00:33
5	2010.5.1 11:00:27	2010.5.1 11:00:34
6	2010.5.1 11:00:28	2010.5.1 11:00:35

将这两份数据合并。（上面的两份数据是随机生成的，不具有代表性，数据结构可供参考）

2.方法用的方法是事件分析的方法。
将赛事期间设置为event period
赛前前面一个小时（根据需要调整）设置为pre-event period
将相同店面其他无赛事天的相同时间段设置为 w-period

计算各个period内销售次数和总的销售金额
然后用t检验或者非参数检验或者方差分析等方法来检验一下各个period的销售是否有显著差异，以及差异有多少。

3. 可以分店面分别作分析。找出哪一些店面有这个规律，这样可以在赛事之前做好准备。
如果有具体的销售数据（像是客户都买了什么） 还可以得出赛事来临之前顾客食物选择的偏好。这样可以在产品数量准备上有依据。



期待这两个问题好的思路和答案！

顶一个，一会儿在看

关于第二个问题。可以考虑difference-in-difference 的方法。体育赛事会增加快餐的需求，但是可能不会影响某种食品的消费。首先考虑赛事之前肯德基鸡块的销量和不受赛事影响的其他食品的销量的差别，然后再比较赛事期间二者的差别。如果赛事增加了快餐的需求，那么赛事期间二者的差别就会增加。从而通过比较两个差别的大小以及显著性来判断体育赛事是否增加了某种快餐食品的需求。

有意思！留个记号，回来做！

这活动不错

第一题用了人类智能方法，单线程性能参数150
大学 7pm 是 中锋/前锋 中锋 高--赢

顶一下。。

支持，顶一下。

积极参与。谢谢。

奖励丰厚啊！

好活动，ddddd

第一题：
我用的是CRISP-DM模型
一、商业理解：对历史比赛的安排和结果，用数据挖掘的办法，设计赢得比赛的策略
二、数据理解：很简单，主要进行数据转化
地点：X-学院，D-大学
Sachin首发：Y-是
Girish进攻：Z-中锋，Q-前锋
Girish防御：Z-中锋，Q-前锋
对手中锋：S-矮，T-高
结果：W-赢，D-输
构建如下输入表：
地点,时间,Sachin首发,Girish进攻,Girish防御,对手中锋,结果
X,7pm,Y,Z,Q,T,W
X,7pm,Y,Q,Z,S,W
D,7pm,Y,Q,Q,T,W
D,9pm,Y,Q,Q,S,D
X,7pm,Y,Z,Z,T,W
D,7pm,Y,Z,Z,S,W
D,9pm,Y,Z,Q,S,D
X,7pm,Y,Z,Z,S,W
X,7pm,Y,Z,Q,S,W
X,7pm,Y,Z,Q,T,W
三、建模
用贝叶斯模型，结果如下：








策略：
1、前提：保持Sachin首发
2、约比赛时间为7PM，赢
3、约比赛地点为主场，赢
4、如果2、3均为否，设法引诱对手上高大中锋，赢
5、如果2、3、4均为否，Girish防御中锋，赢
四、模型评估：在其后的比赛中评估

第二题：没有数据，只能写出思路
我用的是CRISP-DM模型
一、商业理解：对电视转播重要比赛前后的快餐销售进行数据挖掘，以建立预测模型，提前准备生产能力和服务能力，并可以有针对性地对该客户群体开展销售推动，或设计对该客户群体更有针对性的产品，等等。
二、数据理解：
1、收集数据，要求收集一段时期每日分时段的快餐销售数据（最大以小时计算）
2、收集数据，要求收集对应时期内电视转播重要比赛的起止时间
3、数据转换，以电视转播比赛开始时间为0，将快餐销售的时间数据标准化，
4、做图，以销售量为纵轴，以标准化后的销售时间为横轴，通过直观的方法，圈定模型的类型
三、建模：
多元回归，以销售量为因变量，以标准化时间（影响冲击销售量）、实际时间（影响自然销售量）、地点或天气、节假日等其它因素（可能选择的变量）为自变量，建立回归模型。
四、模型评估：在其后的销售中评估

呵呵，太简单了。

这个活动很好啊，

高手啊，见识了。

学习ING 。。。。

觉得题目挺有意思的，顶~~