人人都应该掌握的9种数据分析思维
说到数据分析,啤酒和尿布的例子大家应该都听腻了。再具体、深入一些的内容,往往因为数学就令很多人望而却步了。给大家分享9个不带数学推导的数据分析思路~ 1. 分类 分类分析的目标是:给一批人(或者物)分成几个类别,或者预测他们属于每个类别的概率大小。
分类分析(根据历史信息)会产出一个模型,来预测一个新的人(或物)会属于哪个类别,或者属于某个类别的概率。结果会有两种形式: 形式1:京东的所有用户中分为两类,要么会买,要么不会买。 形式2:每个用户有一个“会买”,或者“不会买”的概率(显然这两个是等效的)。“会买”的概率越大,我们认为这个用户越有可能下单。 如果为形式2画一道线, 比如0.5,大于0.5是买,小于0.5是不买,形式2就转变成形式1了。 2. 回归 回归任务的目标是:给每个人(或物)根据一些属性变量来产出一个数字(来衡量他的好坏)。
注意回归和分类的区别在:分类产出的结果是固定的几个选项之一,而回归的结果是连续的数字,可能的取值是无限多的。 3. 聚类 聚类任务的目标是:给定一批人(或物),在不指定目标的前提下,看看哪些人(或物)之间更接近。 注意聚类和上面的分类和回归的本质区别:分类和回归都会有一个给定的目标(是否下单,贷款是否违约,房屋价格等等),聚类是没有给定目标的。
4. 相似匹配 相似匹配任务的目标是:根据已知数据,判断哪些人(或物)跟特定的一个(一批)人(或物)更相似。
5. 频繁集发现 频繁集发现的目标是:找出经常共同出现的人(或物)。这就是大名鼎鼎的“啤酒和尿布”的例子了。 这个例子太容易扩展,就不再举栗子啦。 Python机器学习策略工作坊(深圳)? . ?Python机器学习模块应用技能 Mongodb数据库处理大数据 机器学习策略代码模板与回测绩效 业界真实经验教学,打造全程真实编程体验 SVM、决策树、隐马尔可夫模型、 套索回归、卡尔曼滤波、 神经网络、深度学习… 2017年 ?10月2日-6日 深圳 咨询电话/微信:18516600808
6. 统计(属性、行为、状态)描述 统计描述任务的目标是最好理解的:具有哪些属性的人(或物)在什么状态下做什么什么事情。
统计描述常常用户欺诈检测,试想一个用户一个月退货100+次,这会是一种什么情况? 7. 连接预测 连接预测的目标是:预测本应该有联系(暂时还没有)的人(或物)。
8. 数据压缩 数据压缩的目的是:减少数据集规模,增加信息密度。
大数据,也不是数据越多越好,数据多带来的信息多,但是噪声也会变多。 9. 因果分析 顾名思义,因果分析的目标是:找出事物间相互影响的关系。
这里最常见的手段就是A/B test啦 数据分析是非常强大的,不过当然还是要在具体的情景下,严格的选择假设,采用科学的分析方法才能产出有价值的结果。数据会说谎的经典案例就是“安慰剂效应”了。 作者:钱塘数据 来源:钱塘大数据(ID:qtbigdata) 【宽客网络课堂】石破天惊之作:可量化的期货基本面策略 本课程为台湾著名专家林洸兴先生的倾力之作。与目前市场上大多数泛泛而论的期货分析课程不同,“深刻”、“逻辑”两个词可以概括本课程的特点。结合量化的需求与特点,林先生特意在本系列课程中将可量化的基本面因素提炼出来讲述。从这样一个独特的角度讲解期货策略,相信本课程是一个石破天惊的课程。 扫描二维码或“阅读原文”可以进入课程并试看 (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |