浅谈数据处理中的相关分析
大数据的发展经历了从因果分析到相关分析的转变。宏观上来讲,如果两个事务存在某种统计学意义上的依赖性就称两者具有相关性。这里我们就简单聊聊各种相关分析的方法。
我们经常会用到的比如计算两个商品的相似度,或计算两个用户之间的相似度,如下图所示,是基于商品的购买行为,来计算两个商品之间的相似程度。我们先基于此例来说明。这里每个商品可以表示成用户购买行为的特征向量,其中1表示此用户购买,0表示此用户未购买。
设商品a的特征向量为向量A, 商品b的特征向量为向量B,那么常用的计算相关性的方法有以下:
Jaccard相关是基于计算集合之间的相似度方法,而Cosine和Pearson都属于积差相关的范畴。通过简单对比,我们看得出A和B的Pearson相关系数就是向量A和B归一化后再计算Cosine相关系数的结果。
如果在某些情况下,我们不需要顾及计算向量中值的相对大小,那么还可以计算等级相关性系数,如Spearman等级相关和Kendall等级相关等。等级相关没有积差相关要求那样严格,相同的情况下,等级相关的精确度要低于积差相关。
如果我们想除去共同噪声的影响,可以选择偏相关分析的方法(在频域上叫偏相干)。其结果与先回归掉噪声再计算相关的结果是一样的。
如果我们的处理对象是时间序列,除了以上谈到的方法外,我们还可以度量频域上的相关性,如使用相干谱分析的方法,如小波相干等。即您可以得到不同时间点不同频率上的线性相关性系数,同时还可以平衡时间和空间上的分辨率。
如果有时间建议大家不妨多做些实验,而且要定期做,因为数据集的变化(稀疏度、噪声等因素)可能导致相似度指标效果的变化。比如对于一个电商平台的商品推荐系统,初期时可能使用方法x效果最好,当用户数逐渐增加,商品越来越丰富,可能方法y效果最好,直到系统越来越复杂,可能这时方法z是最好的了。所以建议定期做些离线试验来选择此时效果最好的方法。
我们常用的如Jaccard相关, Cosine相关,Pearson 相关都是属于线性相关的范畴,复杂的还有非线性相关的方法,如多谱分析,互信息等。但这些在我们电商的场景中很少用到。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14