介紹應用的案例前，先要說明下應用的環境和具體的需求：假設有一個內容分享網站，需要將網站中的內容進行評分，以5分制的形式展現，即每個內容的評分只可能出現1-5這5個分值，目的是展現出網站中每個內容的熱門程度，為用戶的選擇和閱讀提供參考。

 

　　這是一個最簡單的內容評分的應用，上面已經非常明確的說明了評分的目的——區分內容的熱門度，以及最終的數據展現——以5分制的形式展現。對于這樣一個明確了的數據需求，我們就可以選擇指標、搭建模型、并最終輸出結果。

 

　　1、選擇指標

 

　　評價內容的熱門度，貌似挺簡單的，直接用內容瀏覽量（PV）作為評定指標不就行了？確實，PV是個不錯的選擇，也是最簡單的一種選擇，但其實還有更好的選擇，訪問數（Visits），訪問用戶數（UV），這兩個指標能剔除同一個用戶短時間內連續刷新同一內容的情況，所以我們不妨選擇訪問用戶數UV來作為評價指標。

 

　　2、構建評分模型

 

　　現在才是文章的關鍵內容，需要對內容的熱門程度進行評價首先要消除指標的度量單位，并把分值的分布區間控制在要求的范圍內—1-5分。

 

　　消除度量單位？也許你已經想到了，還是數據的標準化，這篇文章中的方法已經在多處使用，可以說是很多數據分析和數據挖掘的基礎步驟。

 

　　Min-Max歸一化評分

 

　　Min-Max是最常用的數據歸一化方法（詳見數據標準化這篇文章的描述），處理后的數據分布在［0，1］的區間內，接下來只要把0-1的數值轉化1-5這5個分值就行。很簡單，先乘以4使數據落在［0，4］的分布區間，四舍五入，是不是只剩下0-4這5分分值了，再加1就可以得到我們想要的結果了。我們來看看處理后的各分值內容分布情況的示例：

 

　Min-Max的評分結果的每個分值的內容數量分布是不可控的，一般會跟網站中熱門內容和冷門內容的比例直接相關，所以當某些網站的熱門內容只占網站所有內容的20%，并且這些內容的訪問量異常高，占據了所有網站訪問量的80%，也就是我們平常說的符合二八法則。那么可能出現的情況就是大部分的內容評分集中在1分，小部分集中在5分，而中間的2、3、4分的內容分布非常少，其實上圖就有點偏向這個趨勢，但其實很多時候我們期望的內容分布可以偏向正態，也就是大部分內容能分布在中間分值，兩端分值的內容數據相對較少