SPSS的问卷数据分析 一、编码录入 调查分析问卷回收，在经过核实和清理后就要用SPSS做数据分析，首先的第一步就是把问题编码录入。要根据问卷问题的不同定义变量。定义变量值得注意的两点： 1、区分变 ...
2016-11-27为什么要选择Python语言实现机器学习算法 基于以下三个原因，我们选择Python作为实现机器学习算法的编程语言：(1) Python的语法清晰；(2) 易于操作纯文本文件；(3) 使用广泛，存在大量的开发文档。 可执行伪 ...
2016-11-26
统计建模和机器学习的区别之我见 最近我多次被问到统计(尤其是统计建模)、机器学习和人工智能之间有何区别。其实这三者之间在目标、技术和算法方面有很多重叠的部分。引起困惑的原因不仅仅是因为这些重叠部分， ...
2016-11-26
如何提高你的数据分析能力？ 第一步：数据准备（80%时间） 获取数据(爬虫，数据仓库) 验证数据 数据清理(缺失值、孤立点、垃圾信息、规范化、重复记录、特殊值、合并数据集) 使用python进行文件读 ...
2016-11-26
从实战角度解读数据科学 在过去几年里，数据科学已经被各行各业广泛接纳。数据科学起初在更大程度上来说是一个研究课题，源于科学家们为了理解人类智能、打造人工智能而做出的努力。后来，事实证明它能带来真正 ...
2016-11-26
新手学数据分析，你应该知道的三件事 什么是数据分析？ 数据分析是指用适当的统计分析对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。在实用中，数据分析可帮助 ...
2016-11-26
如何七周成为数据分析师 得承认我有标题党之嫌，更准确说，这是一份七周的互联网数据分析能力养成提纲。 我会按照提纲针对性的增加互联网侧的内容，比如网站分析，用户行为序列等。我也不想留于表面，而是系 ...
2016-11-26数据挖掘之应用题与计算题 数据挖掘的计算题这些题都是软件帮我们计算的，只要人家给你数据符合数据挖掘的要求你就通过软件辅助计算得到结果，因为人家的具体指标甚至是木模型你都知道的，软件计算就得到结果， ...
2016-11-25
漫谈的数据挖掘 谈到BI，就会谈到数据挖掘(Data mining)。数据挖掘是指用某些方法和工具，对数据进行分析，发现隐藏规律并利的一种方法。下面我们将通过具体的例子来学习什么是数据挖掘。 案例“上大学分析”- ...
2016-11-25数据挖掘在财务分析中的应用 利用数据挖掘技术的优势，通过建立预测分析模型，可以有效提高企业财务分析和预测能力。 （一）投资决策分析能力 投资决策分析是一个复杂的过程，不仅要考虑投资项目的内在环 ...
2016-11-25
大数据中数据挖掘技术的挑战 首先，数据挖掘简单的来说就是从一堆数据里面找有价值的东西。现在数据也是资产，将来会有一个经营数据的公司。所以数据是新的石油，我们要从这里采矿，练成各种各样有用的东西。所 ...
2016-11-25
为什么数据挖掘很难成功 大数据时代，数据挖掘变得越加重要，曾经做了很多，成功有之，失败的却更多，举一些例子，探究其失败原因，也许于大家都有启示吧。 数据缺失总是存在。 为什么数据挖掘的数据准 ...
2016-11-25
真正的大数据应用体现在数据挖掘的深度 我今天的题目叫做大数据与数据驱动的智慧，首先我大概分成四个部分，谈谈我对大数据的认识，我想讲四个部分，第一个谈谈对大数据的认识，第二个大数据给我们带来什么挑战 ...
2016-11-25
数据挖掘如何就业 1.数据挖掘主要是做算法还是做应用？分别都要求什么？ 这个问题太笼统，基本上算法和应用是两个人来做的，可能是数据挖掘职位。做算法的比较少，也比较高级。 其实所谓做算法大多数时 ...
2016-11-24
大数据挖掘:数据模型多了，应该怎么管 没有数据分析和建模能力，肯定难以提升业务；然而，如果模型泛滥、没有得到有效的统筹管理，其提升度恐怕也非常有限，还可能制造各种混乱。为了解决这样的问题，“模型工 ...
2016-11-24关于数据挖掘就业方面的问题 最近在招聘这方面的工程师，我想通过回答题主的这些问题，来帮助一些新人选择方向和正确的入门。 1.数据挖掘主要是做算法还是做应用？分别都要求什么？ 这个问题太笼统， ...
2016-11-24
用Python进行机器学习小案例 本文是用Python编程语言来进行机器学习小实验的第一篇。主要内容如下： 读入数据并清洗数据 探索理解输入数据的特点 分析如何为学习算法呈现数据 选择正确的模型和学 ...
2016-11-24
分类-回归树模型（CART）在R语言中的实现 CART模型，即Classification And Regression Trees。它和一般回归分析类似，是用来对变量进行解释和预测的工具，也是数据挖掘中的一种常用算法。如果因变量是连续数据 ...
2016-11-24
如何用R语言从网上读取多样格式数据 生活中，我们面临着各种各样的数据：比如你的成绩单，比如公司的财务报表，比如朋友圈的一些状态，比如微信里的一段语音……我们生活的大数据时代的一个重要特征便是数据的 ...
2016-11-24
数据挖掘：层次性和时髦性 在银行做了两年的数据分析和挖掘工作，较少接触互联网的应用场景，因此，一直都在思考一个问题，“互联网和金融，在数据挖掘上，究竟存在什么样的区别”。在对这个问题的摸索和理解 ...
2016-11-23数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”，但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中，透视表凭借灵活的字段重组能力成为核心工具，但原始透视表仅能呈现数值结果，缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中，“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益，电商靠 “运营拍 ...
2025-10-17在数据库日常操作中，INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表（或查询结果集）的数 ...
2025-10-16在机器学习建模中，“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度，还是神经网络的权重，这 ...
2025-10-16在数字化浪潮中，“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法， ...
2025-10-16在大模型从实验室走向生产环境的过程中，“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型，若在高并发 ...
2025-10-15在机器学习入门领域，“鸢尾花数据集（Iris Dataset）” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中，零散的指标（如 “GMV”“复购率”）就像 “散落的零件”，无法支撑系统性决策；而科学的指标体系，则 ...
2025-10-15在神经网络模型设计中，“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少，模型可能 “欠拟合”（无法捕捉数据 ...
2025-10-14在数字化浪潮中，数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息，又要能将分 ...
2025-10-14在企业数据驱动的实践中，“指标混乱” 是最常见的痛点：运营部门说 “复购率 15%”，产品部门说 “复购率 8%”，实则是两者对 ...
2025-10-14在手游行业，“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度，更直接决定了后续 ...
2025-10-13分库分表，为何而生？ 在信息技术发展的早期阶段，数据量相对较小，业务逻辑也较为简单，单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中，“数据孤岛” 是普遍面临的痛点：用户数据散落在 APP 日志、注册系统、客服记录中，订单数据分散在交易 ...
2025-10-13在数字化时代，用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”，到视频 APP 的 “打开→搜索→观看→收藏”，再到银 ...
2025-10-11在机器学习建模流程中，“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中，未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储，CDA（Certified D ...
2025-10-11在 SQL Server 数据库操作中，“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选，还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中，正交试验（Orthogonal Experiment）因 “用少量试验覆盖多因素多水平组合” 的高效性，成为 ...
2025-10-10
