预计阅读时间：6min
阅读建议：本文为经验总结类文章，帮助你梳理清晰分类模型的整体架构。
解决痛点：什么是分类模型？有哪些方式？各类方式的优缺点各是什么？在工作中有哪些实战场景？如果你有以上的问题，相信本篇文章可以帮助到你！
01
分类模型是什么
分类模型，顾名思义是将样本划分到不同类别当中的模型，其本质是通过一系列先验特征，去预测样本的标签。
举个例子
码农经常穿戴：格子衫、旅游鞋、运动手表等。那么当我们再看到一个人的穿戴是如此特征时，便会先入为主的认为是码农。这其实就是分类模型的思路，与人判断事物的思考方式是一致的。
分类模型与我们之前提及的聚类模型有很多相似的地方，差异则是是否对事物有一个先验的了解。对于聚类感兴趣的同学，可以戳蓝字查看之前的文章「浅谈聚类在工作中的应用」。
02
分类模型的实战应用
分类模型的原理我们已经了解了，那其在日常工作、日常生活中又有哪些应用场景呢？这里小火龙举五个例子，带大家找找感觉。
应用1：流失用户预警「日常工作」
对于大多数产品而言，维护一个老客户的成本要远远小于获取一个新客户的成本，因此对于现有客户的维护及流失预警，是非常有必要的。针对用户流失预警分类模型，小火龙在之前有详细的分享过，感兴趣可以戳「流失预警模型」。
应用2：用户画像标签搭建「日常工作」
根据用户的行为，给用户打上标签，用于用户的维系及内容分发。例如：用户是否对于福利敏感等。用户画像的详细内容，可以戳「用户画像对业务的价值」。
应用3：商品图片分类「日常生活」
如果你对上面两个场景没有太大的体感，那么这个应用点你应该经常碰到。淘宝、京东等购物类平台，有个功能叫“拍照购”、“找同款”，通过拍照，找到相似的物品。这其中就是对于图像的分类，并推荐给你可能喜欢的商品。
应用4：优惠券定向分发「日常生活」
你是否遇到过同一个APP，不同手机的福利存在差异？例如：购物类APP，有些能收到满40-20的券，有些则是满40-10，还有一些则是没有。这和我们常说的大数据杀熟是一个原理，其利用对于用户的标签刻画（即应用2），对不同用户给予不同的策略，通过最低的成本，达到最大的目的。
应用5：征信评估/诈骗识别「日常生活」
这两个应用场景都是与我们息息相关的，一个是通过我们日常的消费、还款等信息，评估信用等级；另一个是通过异常的号码、行为、内容、用户反馈，评估此通电话/邮件是否属于诈骗。其核心都是通过用户的行为，来提高对于个人的约束和保护。
03
常用分类方式及优缺点
到这里，可能有些同学会问，分类模型既然这么有用，那么要通过什么模型实现呢？以及各个模型之间存在的优缺点？
这里小火龙总结了一些常用的模型，大家可以参考应用，如下图：
除了以上列举的这些，还包括：模型融合、深度学习等方式，例如：CNN图像识别模型等，这里就不再一一展开了。另外，每种模型的具体应用及代码实现，小火龙也会在后面的文章中一一为大家呈现。
以上就是本期的内容分享。码字不易，如果觉得对你有一点点帮助，欢迎「关注」「点赞」「分享」哦，我会持续为大家输出优质的「原创内容」~~
