世纪佳缘用户画像

又逢岁末，20多岁正在匆忙中奔三的你，每年回家被问得最多的，无非就是婚姻大事了。上帝在造人的时候将灵魂分成两半，于是他们要终此一生，去互相寻找彼此的另一半。有时候会找到，但大多数时候，漂泊一生也难以寻得那位与你白头偕老的TA。但是，一份美好的爱情，理应经得起等待。

回到主题，本文从数据挖掘的角度，在抓取“世纪佳缘”交友网站的主要省份约72W年轻用户（20~28岁）信息，对该群体进行用户画像，从中窥知年轻群体在对待爱情和婚姻上的态度。

【技术解析】
爬虫部分依旧是使用Python语言编写，开发者可通过自行修改XML文件，从而灵活地基于该Project进行符合自己需求的二次开发。

在数据清洗（主要是异常值和缺失值的处理）、统计分析、以及基于机器学习的方法进行预测方面，因为R语言在统计方面的广泛运用，所以这里采用R语言进行编写。部分采用SQL脚本进行统计（因为R的速度真是不敢恭维~~）。分词模块使用Python，返回结果为热度词和对应的TF-IDF值。

在数据可视化部分，使用R的ggplot2 package、Baidu eCharts3，以及Excel2016自带的可视化工具。同时使用Tagul生成自定义的字符图云。

所有代码（Python、R、SQL）+ 数据（Json、Excel、CSV）会全部开源，希望更多热爱 机器学习/深度学习/人工智能/计算机视觉/自然语言处理/推荐系统/搜索/数据挖掘/数据可视化的小伙伴多多与我交流哈（知乎|微信公众号 @LucasX）。

【用户画像】
作者知道，很多非计算机相关专业的朋友肯定对上面的“一大串文字”一点儿兴趣也没有，所以上面也不打算怎么细致描述了。OK，直接看图吧！

幻灯片1.JPG 幻灯片2.JPG 幻灯片3.JPG 幻灯片4.JPG 幻灯片5.JPG 幻灯片6.JPG 幻灯片7.JPG 幻灯片8.JPG 幻灯片9.JPG 幻灯片10.JPG 幻灯片11.JPG 幻灯片12.JPG 幻灯片13.JPG 幻灯片14.JPG 幻灯片15.JPG 幻灯片16.JPG 幻灯片17.JPG 幻灯片18.JPG 幻灯片19.JPG 幻灯片20.JPG 幻灯片21.JPG