操作层面的数据科学

模板涵盖数据挖掘流程、9类模型（如Classification、Clustering、Link prediction）、评估工具（如Profit Curves、ROC）以及企业大数据战略，共136个节点，适合管理者与分析师快速掌握数据科学框架。

模板按「理解商业→理解数据→数据准备→建立模型→评价→部署」六阶段展开，并强调training data与hold-out data的区分，帮助用户系统化执行数据项目。

Lift系数衡量购买A对购买B的拉升程度，基于Bayes法则计算。模板以《千与千寻》对《哈尔的移动城堡》的推荐为例，说明Co-occurence模型的实际应用。

模板提出4个关键问题：业务问题是否明晰？能否评价解决方案？能否提前知晓成功可能性？是否有training data？这有助于避免盲目投资。

适合企业管理者、数据分析师、产品经理等需要建立数据思维的人群，尤其适合阅读《Data Science for Business》后梳理知识体系。

Profit Curves以instance数量为横坐标、精准度为纵坐标，用于比较不同模型的利润；ROC曲线展示true positive与false positive的比例，侧重分类性能评估。