wps最新官网的下载地址怎么找

标签： 官网wps的下载地址怎么找

  • 官网wps的下载的地方在哪里

    　　案例数据及notebook百度网盘链接—提取码：1234 或者可以从我上传的资源里面找，下载不需要积分

    　　传送门：

    　　数据挖掘实战—财政收入影响因素分析及预测数据挖掘实战—航空公司客户价值分析数据挖掘实战—商品零售购物篮分析数据挖掘实战—基于水色图像的水质评价数据挖掘实战—家用热水器用户行为分析与事件识别数据挖掘实战—电商产品评论数据情感分析

    　　  企业在面向客户制定运营策略与营销策略时，希望针对不同的客户推行不同的策略，实现精准化运营。通过客户分类，对客户群体进行细分，区分出低价值客户与高价值客户，对不同的客户群体开展不同的个性化服务，将有限的资源合理地分配给不同价值的客户，从而实现效益（利润）最大化。本文将使用航空公司客户数据，结合模型，采用聚类算法，对客户进行分群，比较不同类别客户的价值，从而指定相应的营销策略。定义挖掘目标如下：

    　　借助航空公司数据对客户进行分类对不同的客户类别进行特征分析，比较不同类别客户的价值针对不同价值的客户制定相应的营销策略，为其提供个性化服务

    　　本文数据挖掘主要包括以下步骤：

    　　抽取航空公司2012年4月1日至 wps 的官网的下载的地方2014年3月31日的数据对抽取的数据进行数据探索分析，数据预处理，包括数据缺失值与异常值的探索分析、数据清洗、特征构建、标准化等操作基于RFM模型，使用K-means算法进行客户分群针对模型结果得到不同价值的客户，采用不同的营销手段，提供定制化服务

    　　 wps office 的官方下载的入口在哪(金山wps官网最新下载安装)在这里插入图片描述

    　　  航空公司数据属性说明如下：

    　　在这里插入图片描述

    　　在这里插入图片描述

    　　1.数据质量分析电脑版的WPS office的下载的网站在哪里

    　　1.1 缺失值分析

    　　  缺失值可视化,图中的白线即为缺失值

    　　在这里插入图片描述

    　　  利用柱状图进行缺失值可视化，柱状图的高度代表非缺失比例

    　　在这里插入图片描述

    　　  定量展示每一列缺失值个数并排序

    　　在这里插入图片描述

    　　  展示每一列的缺失值个数与缺失率以及缺失值的属性

    　　![在这里插入图片描述](https://img-blog.csdnimg.cn/202104052120

    　　1.2 异常值分析

    　　  用箱型图来识别异常值，箱型图识别异常值是以四分位数与四分位距为基础，同时结合业务逻辑，因为异常值并不代表是错误值，需要结合业务来考虑异常值在不在合理的范围内。

    　　在这里插入图片描述

    　　以AGE为例，很明显看出该特征有异常值，而且这个异常值对于业务来说属于噪声，应当进行删除异常值或者将异常值取为空，然后在进行补充

    　　在这里插入图片描述

    　　  对每个图进行分析，分析结果如下，这个是自身对业务的认知水平基础上的分析
    官网wps的最新的下载入口在哪里
    　　FFP_TIER:会员卡级别中数据要么6要么5没有异常值

    　　AGE:年龄中可以看到有些大于100岁，要对这些数据进行处理

    　　FLIGHT_COUNT:观测窗口内的飞行次数没有小于0的值，其他不在箱子中的异常值是有价值

    　　BP_SUM:总基本积分没有小于0的值，其他不在箱子里面的值是有价值

    　　EP_SUM =EP_SUM_YR_1 &#4WPS office官网最新的下载的方法的方法3;EP_SUM_YR_2 :总精英积分有1个值远高于其他值，这个我认为是有价值的异常值

    　　SUM_YR = SUM_YR_1 + SUM_YR_2:观测窗口的票价收入，没有低于0的，有特别高的，我认为是有价值的异常值

    　　SEG_KM_SUM :观测窗口的飞行里程数，没有小于0的值，有特别高,我认为是有价值的异常值

    　　WEIGHTED_SEG_KM : 含义未知，跟里程数有关

    　　AVG_FLIGHT_COUNT : 平均里程数 没有小于0的值，有特别高,我认为是有价值的异常值

    　　AVG_BP_SUM:平均基本积分，没有小于0的，有特别高的，我认为是有价值的异常值

    　　BEGIN_TO_FIRST:我猜测是第一次乘机时间至观测窗口结束时长，没有小于0的，有特别高的，我认为是有价值的异常值

    　　LAST_TO_END:最后一次乘机时间至观测窗口结束时长，我猜测是时间间隔类数据，没有小于0的，有特别高的，我认为是有价值的异常值

    　　AVG_INTERVAL : 平均乘机时间间隔，即(LAST_TO_END – BEGIN_TO_FIRST) / FLIGHT_COUNT，没有负值

    　　MAX_INTERVAL : 最大乘机时间间隔，没有负值

    　　EXCHANGE_COUNT : 积分兑换次数，没有负值

    　　ADD_POINT_SUM : 具体含义未知，累积积分的一种，看着没有负值，之后统计分析的时候再看一下，这个值与ADD_POINT_SUM_YR_1和ADD_POINT_SUM_YR_2有关

    　　Eli_Add_Point_Sum:具体含义未知，累积积分的一种，看着没有负值，之后统计分析的时候再看一下，

    　　Ponits_Sum : 总累积积分，看着没有小于0的，有特别高的，我认为是有价值的异常值

    　　Ponit_NotFlight:非乘机的积分变动次数，看着没有小于0的

    　　总结：AGE有异常值

    　　1.3 重复数据分析

    　　在这里插入图片描述

    　　2.数据特征分析

    　　2.1 描述性统计分析

    　　在这里插入图片描述

    　　在这里插入图片描述

    　　  从表中可以看出，有3个连续型数据列有缺失值，年龄最大值为110岁，年龄中存在异常值。在三个含缺失值列中有两个是票价(SUM_YR = SUM_YR_1 + SUM_YR_2)，票价为空值的数据可能是客户不存在乘机记录造成的。票价列还存在票价为0，折扣率为0，但总飞行里程数大于0的记录。这种数据业务上可以这么理解：客户乘坐了0折机票或者机票是通过非购买的其他途径获得。

    　　2.2 分布分析

    　　  从三个角度寻找客户信息的分布规律

    　　2.2.1 客户基本信息分布分析

    　　  针对客户基本信息中的入会时间、性别、会员卡级别和年龄字段进行分析

    　　入会时间—各年份入会人数变化图

    　　在这里插入图片描述

    　　在这里插入图片描述

    　　可以发现入会人数大致是随着年份的增加而增加，在2012年达到顶峰。2009年与2013年与趋势不符，有可能是采样的问题，有可能是其他类似政策的问题

    　　性别—入会性别比例图

    　　在这里插入图片描述

    　　在这里插入图片描述

    　　会员卡级别—会员卡级别统计图

    　　在这里插入图片描述

    　　在这里插入图片描述

    　　可以看出绝大多数会员为4级会员，仅有少数5级或者6级会员

    　　年龄

    　　在这里插入图片描述

    　　可以看出绝大多数年龄位于30~50岁之间，还存在一个年龄大于100岁的异常数据

    　　2.2.2 客户乘机信息分析

    　　  针对客户乘机信息中的观测窗口内的飞行次数，观测窗口内的总飞行公里数，观测窗口内的票价收入，平均乘机时间间隔来分析

    　　观测窗口内的飞行次数与观测窗口内的总飞行公里数

    　　在这里插入图片描述

    　　在这里插入图片描述

    　　  对观测窗口内的飞行次数与观测窗口内的总飞行公里数进行绘图

    　　在这里插入图片描述

    　　通过图像可以很清晰的发现：客户的飞行次数与总飞行里程数明显分为两个群体，大部分客户集中在箱型图中的箱体中，少数客户位于箱体上方，这部分客户很可能就是高价值客户

    　　观测窗口内的票价收入

    　　在这里插入图片描述

    　　在这里插入图片描述

    　　通过直方图可以发现：绝大多数的会员票价收入小于3000，客户明显被分为两个群体，箱型体上方的客户很可能是高价值客户官网wps的下载地址怎么找

    　　平均乘机时间间隔统计

    　　在这里插入图片描述

    　　在这里插入图片描述

    　　最后一次乘机时间至观测窗口时长

    　　在这里插入图片描述

    　　最后一次乘机时间至观测窗口时长越短，表示客户对航空公司越满意。时间间隔越短同时也表示该客户可能是高价值客户。并且还可以从这个属性中看到公司的发展问题，如果时间间隔短的客户越来越少，说明该公司的运营出现了问题，需要及时调整营销策略。官网wps 的最新下载入口怎么找

    　　2.2.3 客户积分信息分布分析

    　　  针对客户积分信息中的积分兑换次数、总累计积分进行分析

    　　积分兑换次数

    　　在这里插入图片描述

    　　在这里插入图片描述

    　　通过图形可以看出：绝大多数兑换次数位于0~10次之间，这表明大部分客户很少进行积分兑换

    　　2. 总累计积分

    　　在这里插入图片描述

    　　在这里插入图片描述

    　　通过箱型图可以看出：绝大多数的累积积分比较小，箱型体外的积分明显高于箱型体内的积分

    　　2.3 相关性分析

    　　在这里插入图片描述

    　　  分析入会时间、会员卡级别、会员年龄、飞行次数、飞行里程数、观测窗口内的票价收入，平均乘机时间间隔，最近一次乘机至结束时长、积分兑换次数、总累计积分属性的相关性

    　　在这里插入图片描述
    wps office免费版的下载入口在哪里
    　　在这里插入图片描述

    　　在这里插入图片描述

    　　通过热力图可以看出：部分属性之间存在强相关性，比如总飞行公里数与票价收入，总累计积分，飞行次数。

    　　  针对航空客户数据从数据清洗、属性归纳与数据变换入手进行数据预处理

    　　1.数据清洗

    　　1.1 异常值处理

    　　  根据数据预处理我们知道了，原始数据中存在票价为空值的记录，同时存在票价最小值为0，折扣率最小值为0，总飞行公里数大于0的记录，同时年龄中存在一个大于100的记录。由于这类数据在原始数据中占比不大，这里采用丢弃处理。

    　　WPS office官网最新下载的地址的方法在这里插入图片描述

    　　在这里插入图片描述

    　　1.2 缺失值处理

    　　在这里插入图片描述

    　　发现有4个类别型数据：WORK_CITY，WORK_PROVINCE ，WORK_COUNTRY ，GENDER中缺失值

    　　1个连续型数据：AGE有缺失值

    　　由前面的相关性图可以看出，年龄与其他属性的相关性低，因此这里可以采用均值填充

    　　在这里插入图片描述

    　　2.属性归约

    　　  RFM模型中，消费金额(M)表示一段时间内客户购买该企业产品金额的总和。由于航空公司票价受运输距离、舱位等级等影响因素，即并不是金额越高的客户并不一定比金额低的客户价值高（长途经济舱与短途商务舱的对比）。基于航空公司业务，这个特征用一定时间内累计的飞行里程M 与客户在一定时间内乘坐舱位对应的平均折扣率C来代替。同时考虑到会员的入会时间在一定程度上能够影响客户的价值，所以在模型中增加客户关系长度L，作为区分客户的一种特征。本模型将以下5个特征作为识别客户价值的特征，即为LRFMC模型。

    　　在这里插入图片描述

    　　根据LRFMC模型，选择与LRFMC指标相关的6个属性:，删除与其不相关、弱相关或冗余属性。

    　　在这里插入图片描述

    　　3.数值变换

    　　  构造入会时长指标，并对数据进行标准化

    　　在这里插入图片描述

    　　1.客户聚类分群

    　　  采用算法对客户进行聚类，基于业务逻辑，聚类为5群

    　　在这里插入图片描述

    　　2.客户价值分析

    　　  针对聚类结果进行特征分析，绘制客户分群雷达图

    　　在这里插入图片描述

    　　由雷达图中可知：客群1在C处最大，在F,M处的值较小，说明客群1是偏好坐高级舱的客户群（一般航班舱位等级越高，折扣系数越大）。客群2在L,R，F,M,C处都小，说明客群2是新入会员较多客户群。客群3在L处最大，在R处值较小，其他特征适中，说明客群3属于入会时间长，飞行频率高的高价值客户。客群4在F，M处最大，且在R处最小，说明客户群体4频繁乘机并且最近也有乘机记录。客群5在R处最大，在其他特征处都较小，属于入会时间短的低价值客户群。

    　　  总结每个客户群的优势与弱势特征

    　　在这里插入图片描述

    　　  根据以上特征分析，说明不同用户类别的表现特征不同。基于特征描述，我们将客户分为5个等级：重要保持客户，重要发展客户，重要挽留客户，一般客户与低价值客户

    　　在这里插入图片描述

    　　在这里插入图片描述

    　　在这里插入图片描述

    　　在这里插入图片描述

    　　在这里插入图片描述

    　　参考于《python数据分析与挖掘实战》

    　　如果对您有帮助，麻烦点赞关注，这真的对我很重要！！！如果需要互关，请评论留言或私信！

    　　在这里插入图片描述

  • 官网官方wps office 的下载的入口(wps最新xp版下载中文版)

    　　如今，全球无数的人都在做着比特币致富梦。随着比特币升值，靠挖矿可以赚大钱，不少人购买大量矿机、雇用矿工，开起了矿场挖矿，开始了规模化挖矿的生意。上百万台用于运算获得比特币的矿机在过去被制作加工，并运到全球那些电价低廉的地区，24小时不停机地“挖矿”。

    　　近日，内蒙古全面清理关停WPS office的电脑版的下载网站怎么找“挖矿”项目，设立WPS wps office的免费版下载的入口是什么(下载wps官网最新) office的电脑版的下载网站怎么找“挖矿”企业举报平台。这份公告，掀开了比特币挖矿耗电的冰山一角。比特币一年耗电量，超过全球多个国家用电量！内蒙古为何再度出手“整治”WPS office的电脑版的下载网站怎么找挖矿行业？原因之一可能就是比特币挖矿太费电了，挖矿费的电一般人想象不到，简直是浪费国家资源让少部分人获利。 近日马斯克在社交媒体发布了一张比特币能耗图，并表示：“过去几个月的能源使用趋势是疯狂的。并表示出于对环境的考虑，他突然拒绝使用这种加密货币作为支付手段。

    　　根据剑桥大学替代金融研究中心的研究wps的电脑版下载的地方怎么找(wps官网最新电脑版下载失败怎么回事)，截至 2021 年 5 月 10 日，全球比特币挖矿的年耗电量大约是 149.37 太瓦时。这一数字已经超过马来西亚、乌克兰、瑞典的耗电量，已十分接近耗电排名第 25 名的越南。

    　　全球比特币挖矿的年耗电量是不断增长的，未来这一数字还会更惊人。前几个月的比特币耗电指数显示，比特币挖矿的年耗电量大约为121.36太瓦时。早在2017年，全网算力还没有那么高的时候，比特币“挖矿”使用的电量就超过了29.05太瓦时。有矿场老板表示，其装有5000台蚂蚁S9矿机的中型矿场，仅机柜一个小时便要消耗6500度电。

    　　2021年1月，伊朗德黑兰和几个主要城市都发生了大范围无预警停电，数百万居民连续几天遭遇断电，当地民众就将矛头指向了比特币。因为，（由于）在伊朗每度电价格仅为4美分（约合人民币2毛6），极低的电力成本使得伊朗的比特币“挖矿”产业不断发展。如今，伊朗已经是世界上比特币“挖矿”能力最高的10个国家之一。

    　　当然，挖矿不仅消耗大量电能，更加剧了二氧化碳的排放量。研究人员在Nature Climate Change（《自然气候变化》）上发表的论文显示，去年挖矿产生了6900万吨二氧化碳，占全球排放量的1%，20年内将全球气温提高2℃。

    　　比特币发明者中本聪想了一个方法：做数学题。谁先最先计算出随机哈希函数的正确答案并提交，谁就拥有一次记账权。这些题目没有取巧的解法，就是枚举法，让计算机不停地算；本身也没什么实际意义，就是一个工作量证明。而想要把假交易放进去而不被发现，理论上需要有比其他所有人加起来还强的算力。

    　　比特币网络的计算机（矿机）需要不断进行计算，平均每几分钟产生一个区块，获得新生成区块的用户，可以赢得一定数量的比特币，这一过程被称为“挖矿”。矿机的算力越强，挖矿速度越快，挖到比特币的概率也就越高。投资者为了获利，自然会购买更多的矿机，并让其长时间运行，在此过程中消耗大量电力。

    　　作为一款虚拟加密货币，比特币使用一种名为区块链的分散式账本技术，记录所有交易并将数据传送到网络中的所有节点。“挖矿”是获得比特币加密货币的方式，这需要使用和比特币加密系统连接的高效率电脑设备进行大量的运算。

    　　比特币挖矿过程中，需要矿机的Asic芯片24小时几乎满负荷地运转，不断地进行哈希碰撞。同时这个过程中又会产生大量的热量，因此矿机的电源风扇、机箱风扇也要24小时以90%左右的速度旋转，进行散热。目前市面上主流的比特币矿机是蚂蚁S9，功耗大约在每小时1400瓦左右，24小时运转的单台功耗大约是33～34度电每天官网wps的下载地址怎么找。

    　　最近基本上包括英伟达公司和AMD公司的全球显卡都在缺货，（这些显卡）不是被消费者买走的，多数是被‘矿场’和‘矿主’买走的。最直接的后果就是民用芯片越来越贵，竟然成了投资增值的商品。硬件领域性能越来越高价格越来越便宜的摩尔定律指导市场几十年，如今居然是被挖矿所打破了。

    　　冰岛从2017年开始就成为了比特币开采的前沿，无数的矿场总部不惜血本地搬迁到冰岛。这里常年恒定的低气温不仅可以帮助矿机散热，低廉的电费也帮助矿场省了一大笔钱。而比特币矿场最疯狂的地方还是在中国，尤其是西南西北地区。当前全球70%以上的矿场算力都在中国，分布在四川、新疆、宁夏、内蒙、贵州等省份。这些地区都是电费低廉且年均气温较低的“优质矿场”。
    官网wps的最新的下载的入口的方法
    　　在鄂尔多斯就有不少干这个的矿机，耗电量惊人。鄂尔多斯一度被称为世界比特币矿业中心，占全球比特币运算能力的4%。前些年，一些比特币挖矿的，直接跑到边远地区承包一座小水利电站，因为水电便宜，后来不让这样干了。前些年实际上就出台了限制比特币挖矿政策，没想到还有人在国内干这个，纯粹是为一己之利浪费国家能源。就像巴菲特老搭档芒格说的，比特币这个该死的发展是令人厌恶的，而且与文明的利益背道而驰。