immaculate

摘要： 如何建立数据分析思维 建立你的指标体系 如果你不能衡量它，那么你就不能有效增长它。 人对世界上所有的事情的认知都是千人千面的。很容易陷入各自的“认知陷阱”中，抱着对自己紧紧看到的冰山一角草率的得出结论，最后做出的决策也必然存在一些局限性。 那么数据分析的思维，就是建立一套完善的指标体系，可以完整的描 阅读全文

摘要： 1、类，类就像是负责特定项目的主管，交给主管干这件事情，主管可以让手下的人分别去完成自己该干的活，最后综合起来把结果交给主管传递出去，即完成任务。 1、注意类的名称的首个字母最好大写（以规整日后书写习惯）。（当然不大写程序也不会报错） 2、类中一定要有一个初始化方法，并且init前后分别两道下划线， 阅读全文

摘要： 1、字典 创建字典，alien_0={'color':'green','points':5}其中由一个又一个的“键-值”对组成。 访问键-值对相应的值，print(alien_0['color']),可以得到green 添加键-值对，alien_0["x_position"]=100,这里前提是al 阅读全文

摘要： python是一个效率极高的语言，现在市面上的机器学习大部分是由python和R语言完成，所以在不久之前小仙心中便种下了学习python的想法。下面是这一个月多月以来学习的总结，都是基础中基础了。 1、打印字符串： print("hijijiahfur")、print(variable_name)， 阅读全文

摘要： 前面的博客有介绍过对连续的变量进行线性回归分析，从而达到对因变量的预测或者解释作用。那么如果因变量是离散变量呢？在做行为预测的时候通常只有“做”与“不做的区别”、“0”与“1”的区别，这是我们就要用到logistic分析（逻辑回归分析，非线性模型）。 参数解释（对变量的评价） 发生比(odds)： 阅读全文

摘要： 回归分析即，量化因变量受自变量影响的大小，建立线性回归方程或者非线性回归方程，从而达对因变量的预测，或者对因变量的解释作用。 回归分析流程如下： ①探索性分析，画不同变量之间的散点图，进行相关性检验等，了解数据的大致情况，以及得知重点关注那几个变量； ②变量和模型选择，； ③回归分析假设条件验证； 阅读全文

摘要： 实际意义 判别分析于聚类分析的功能差不多，区别在于，聚类分析之前，没有人知道具体的是怎么分的类，分了哪几大类。而判别分析是已经把类别给分好，要做的是把没有分好类的数据观测，按照之前分好的类再进行分类。这里不同于生活中常见的分类先有具体的分类逻辑（这里叫做判别函数）。所以判别分的难点在于先由分好类的数 阅读全文

摘要： 顾名思义，对数据的变量或者观测进行分类。 常见的分类方法有：层次法（凝聚式、分裂式适合，适合观测少的，不需要输入类别数）、划分法（开始阶段直接指定某几个类中心，适合观测多的情形，需要输入类别数）。 检测分类好坏的标准：同一类的相似，不同类的几乎不具备相似性（殊途殊归，同途同归）。 一般情况下使用距离 阅读全文

摘要： 主成分分析，主成份是原始变量的线性组合，在考虑所有主成份的情况下主成份和原始变量间是可以逆转的。即“简化变量”，将变量以不同的系数合起来，得到好几个复合变量，然后在从中挑几个能表示整体的复合变量就是主成份，然后计算得分。 因子分析，公共因子和原始变量的关系是不可逆转的，但是可以通过回归得到。是将变量 阅读全文

摘要： 方差分析的主要功能就是验证两组样本，或者两组以上的样本均值是否有显著性差异（是否一致）。 这里有两个大点需要注意：①方差分析的原假设是：样本不存在显著性差异（即，均值完全相等）；②两样本数据无交互作用（即，样本数据独立）这一点在双因素方差分析中判断两因素是否独立时用。 原理 方差分析的原理就一个方程 阅读全文