数据分析师技术_数据分析技术_数据分析培训

机器学习中使用的神经网络

机器学习中使用的神经网络这一小节介绍随机梯度下降法（stochastic gradient descent）在神经网络中的使用，这里首先回顾了第三讲中介绍的线性神经网络的误差曲面(error surface)，如下图所示。线性神经网络对 ...

2017-03-14

【机器学习实战】Naive Bayes

一、概述优点：在数据少的情况下仍然有效，可以处理多类别问题缺点：对于输入数据的准备方式较为敏感适用数据类型：标称型数据二、原理三、文档分类 A,B,C,D..为文档中单词。假设总词汇只有A,B,C,D四种。训练样 ...

2017-03-14

机器学习实战之SVD

机器学习实战之SVD 1. 奇异值分解 SVD(singular value decomposition) 1.1 SVD评价优点: 简化数据, 去除噪声和冗余信息, 提高算法的结果缺点: 数据的转换可能难以理解 1.2 SVD应用 (1) 隐性语义索引(latent ...

2017-03-14

机器学习实战之PCA

机器学习实战之PCA 1. 向量及其基变换 1.1 向量内积 (1)两个维数相同的向量的内积定义如下: 内积运算将两个向量映射为一个实数. (2) 内积的几何意义假设A\\B是两个n维向量, n维向量可以等价表 ...

2017-03-14

机器学习实战之Apriori

机器学习实战之Apriori 1. 关联分析 1.1 定义关联分析是一种在大规模数据上寻找物品间隐含关系的一种任务.这种关系有2种形式:频繁项集和关联规则. (1) 频繁项集(frequent item sets): 经常出现在一起的物品 ...

2017-03-14

SPSS中两种重复测量资料分析过程的比较

SPSS中两种重复测量资料分析过程的比较在SPSS中，有两个过程可以对重复测量资料进行分析：一种是一般线性模型的重复度量；一种是混合线性模型，对于同样的数据资料，使用两种过程分析出的内容不大一样，注意 ...

2017-03-13

数据分析中的基本指标_数据分析师

数据分析中的基本指标 1.平均数：是描述一组数据集中趋势的指标，有很多种平均数，如：算数平均数，几何平均数，调和平均数，加权平均数，平方平均数，指数平均数等。最常用的是算数平均数平均数 ...

2017-03-13

数据分析中的变量分类_数据分析师

数据分析中的变量分类数据分析工作每天要面对各种各样的数据，每种数据都有其特定的含义、使用范围和分析方法，同一个数据在不同环境下的意义也不一样，因此我们想要选择正确的分析方法，得出正确 ...

2017-03-13

R语言之数据处理_数据分析师

R语言之数据处理一、向量处理 1.选择和显示向量 data[1] data[3] data[1:3] data[-1]：除第一项以外的所有项 data[c(1,3,4,6)] data[data>3] data[data<5|data>7]：小于5或大于7的所有项 which(data == max ...

2017-03-13

SPSS数据分析—多维偏好分析（MPA）

SPSS数据分析—多维偏好分析（MPA）之前的主成分分析和因子分析中，收集的变量数据都是连续型数值，但有时会碰到分类数据的情况，我们知道最优尺度变换可以对分类变量进行量化处理，如果将这一方法和主 ...

2017-03-13

对应分析方法与对应图解读方法-—七种分析角度

对应分析方法与对应图解读方法-—七种分析角度对应分析是一种多元统计分析技术，主要分析定性数据Category Data方法，也是强有力的数据图示化技术，当然也是强有力的市场研究分析技术。这里主要介绍大 ...

2017-03-13

均值、方差、标准差及协方差、协方差矩阵详解

均值、方差、标准差及协方差、协方差矩阵详解一、统计学基本概念：均值、方差、标准差统计学里最基本的概念就是样本的均值、方差、标准差。首先，我们给定一个含有n个样本的集合，下面给出这些概念的公式 ...

2017-03-12

主成分分析（PCA）特征选择算法详解

主成分分析（PCA）特征选择算法详解 1. 问题真实的训练数据总是存在各种各样的问题： 1、比如拿到一个汽车的样本，里面既有以“千米/每小时”度量的最大速度特征，也有“英里/小时”的最大速度特征，显 ...

2017-03-12

线性回归与梯度下降算法

线性回归与梯度下降算法 1.1线性回归在统计学中，线性回归(Linear Regression)是利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。这种函数是一个或多个称为 ...

2017-03-12

机器学习基础—梯度下降法（Gradient Descent）

机器学习基础—梯度下降法（Gradient Descent）梯度下降法。一开始只是对其做了下简单的了解。随着内容的深入，发现梯度下降法在很多算法中都用的到，除了之前看到的用来处理线性模型，还有BP神经网络等。于是 ...

2017-03-12

机器学习：决策树（Decision Tree）

机器学习：决策树（Decision Tree）决策树（decision tree）是一种基本的分类与回归方法。在分类问题中，它可以认为是if-then规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。在学习时，利 ...

2017-03-11

机器学习中的降维算法：ISOMAP & MDS

机器学习中的降维算法：ISOMAP & MDS 降维是机器学习中很有意思的一部分，很多时候它是无监督的，能够更好地刻画数据，对模型效果提升也有帮助，同时在数据可视化中也有着举足轻重的作用。一说到降维，大家第 ...

2017-03-11

机器学习算法常用指标总结

机器学习算法常用指标总结考虑一个二分问题，即将实例分成正类（positive）或负类（negative）。对一个二分问题来说，会出现四种情况。如果一个实例是正类并且也被预测成正类，即为真正类（True positive）, ...

2017-03-11

【机器学习经典算法源码分析系列】-- 线性回归

【机器学习经典算法源码分析系列】-- 线性回归一、单变量线性回归： 1.数据集可视化 2.求解模型参数对于线性回归模型，有两种方法可以求解模型参数。 1）梯度下降法将代价函数代入展开： Matlab代码实 ...

2017-03-11

机器学习中特征选择概述

机器学习中特征选择概述 1. 背景 1.1 问题在机器学习的实际应用中，特征数量可能较多，其中可能存在不相关的特征，特征之间也可能存在相关性，容易导致如下的后果：（1）特征个数越多，分析特征、训练 ...

2017-03-11

CDA考试动态

CDA报考指南

热门栏目

最新资讯

CDA数据分析师与数据指标：基础概念与协同逻辑 ...

【CDA干货】Power Query 移动加权平均计算 ...

描述性统计：CDA数据分析师的基础核心与实践应用 ...

【CDA干货】基于 Python response.text 的科技新闻 ...

【CDA干货】基于 Python response.text 的科技新闻 ...

数据治理新浪潮：CDA 数据分析师的战略价值与驱动逻 ...

【CDA干货】Power BI 热力地图制作指南：从数据准备 ...

【CDA干货】PyTorch 矩阵运算加速库：从原理到实践 ...

数据建模：CDA 数据分析师的核心驱动力 ...

【CDA干货】KS 曲线不光滑：模型评估的隐形陷阱，从 ...

【CDA干货】偏态分布：揭开数据背后的非对称真相， ...

CDA 数据分析师：数字化时代的价值创造者与决策智囊 ...

CDA 数据分析师：善用 Power BI 索引列，提升数据处 ...

CDA 数据分析师：巧用 SQL 多个聚合函数，解锁数据 ...

CDA 数据分析师：驾驭表格结构数据的核心角色与实践 ...

【CDA干货】PowerBI 累计曲线制作指南：从 DAX 度量 ...

【CDA干货】Python 函数 return 多个数据：用法、实 ...

CDA 数据分析师：引领商业数据分析体系构建，筑牢企 ...

【CDA干货】随机森林中特征重要性（Feature Importa ...

【CDA干货】t 统计量为负数时的分布计算方法与解析 ...