为什么机器学习真的可以学到东西 开始跟《机器学习基石》这门课，相对于Stanford那门课，这门明显难度大很多，我跟到第10个Lecture，才刚刚讲到Logistic Regression。前面费了很大力气在讲机器什么时候可以学习 ...
2016-08-01如何成为一名数据科学家并得到一份工作 大数据科学家被认为是21世纪最性感的职业，且未来薪水优渥。其工资高达10万美金每年，而市场对最优秀的数据科学家的需求正强劲。另一方面，很多20世纪流行的工作将会因为 ...
2016-08-01大数据分析如何帮助企业了解用户 大数据已经伴随着时代的脚步汹涌而来。越来越多的企业重视从大数据中挖掘潜在的商业价值。大数据的作用，体现为提高企业整体分析研究能力、市场快速反应能力，建立起以知识管理 ...
2016-07-31商业智能同样更需要大数据分析 商业智能不是现在才被发明的词汇，早在上个世纪的九十年代就由加特纳集团所提出。当时，加特纳集团认为的商业智能就是需要用描述一系列数据概念的方法，通过某种在事实上的支持系 ...
2016-07-31
大数据分析绕不过去的13个问题 1、最早的数据分析可能就报表 目前很多数据分析后的结果，展示的形式很多，有各种图形以及报表，最早的应该是简单的几条数据，然后搞个web页面，展示一下数据。早期可能数据 ...
2016-07-31
数据挖掘中的基于决策树的分类方法 1分类的概念及分类器的评判 分类是数据挖掘中的一个重要课题。分类的目的是学会一个分类函数或分类模型（也常常称作分类器），该模型能把数据库中的数据项映射到给定类别 ...
2016-07-31数据挖掘分类方法小结 数据仓库，数据库或者其它信息库中隐藏着许多可以为商业、科研等活动的决策提供所需要的知识。分类与预测是两种数据分析形式，它们可以用来抽取能够描述重要数据集合或预测未来数据趋势的 ...
2016-07-31
大数据从业人员必备的五项专业技能 大数据时代的出现简单的讲是海量数据同完美计算能力结合的结果。确切的说，是物联网与互联网的融合产生了海量的数据，大数据计算技术完美的解决了海量数据的收集、存储 ...
2016-07-31
【R语言进行数据挖掘】回归分析 1、线性回归 线性回归就是使用下面的预测函数预测未来观测量： 其中，x1,x2,...,xk都是预测变量（影响预测的因素），y是需要预测的目标变量（被预测变量）。 线性 ...
2016-07-30
R语言常用数学函数 R语言的数学运算和一些简单的函数整理如下： 向量可以进行那些常规的算术运算，不同长度的向量可以相加，这种情况下最短的向量将被循环使用。 > x <- 1:4 ...
2016-07-30
如何将数据挖掘技术应用到客户内在需求管理 客户内在需求管理（Customer Relationship Management）是一种以客户为中心的经营策略，它以信息技术为手段，通过对相关业务流程的重新设计及相关工作流程的重新组合 ...
2016-07-30
企业营销数据分析的方法及策略 市场营销是为创造实现个人和组织的交易，而规划和实施创意、产品、服务构想、定价、促销和分销的过程。 网络营销是人类经济、科技、文化发展的必然产物，网络营销不受时间和空 ...
2016-07-30网站数据分析先要理清思路 在进行网站数据分析的过程中，需要有已经有的思路，思路很重要的，只有明确了思路才能进行一步一步的工作，确认我们自己需要收集的数据，不能说只是为了分析而分析，明确了网站数据分 ...
2016-07-30
在excel中复制自定义数字格式的显示值 我们在excel中无论如何的为单元格应用了什么样的数字格式，那么我们都只能改变单元格的显示内容，而不会去该百年单元格存储的真正内容，示意图excel没有直接提供给我们自 ...
2016-07-29
如何应用Excel制作会讲故事的销售漏斗管理分析仪 此文将从销售漏斗管理分析的业务背景、Excel平台上的实施方式以及销售漏斗管理分析仪的实现过程三方面内容进行说明，希望帮助有此类业务分析需求的朋友拓展思 ...
2016-07-29
想要做好数据科学，先做好这7步 《哈佛商业评论》曾宣称“数据科学家”是二十一世纪最性感的职业。所谓性感，既代表着难以名状的诱惑，又说明了大家对它又不甚了解。 如何做好数据科学呢？ 微软高级数据 ...
2016-07-29
大数据挖掘是个什么鬼？先搞定以下五大关系 数据科学家”作为一个新兴的名词，他们主要是采用科学方法、运用数据挖掘工具来做大数据洞察的工程师。一个优秀的数据科学家需要具备诸如数据采集、模型算法、数学软 ...
2016-07-29
你真的知道数据挖掘的定义吗 我对做事的流程非常感兴趣。我想要知道一些可以把事情做好的好方法，甚至在可能的情况下可以知道做这些事情的最好方式。就算你的技能不强，理解相关方面的知识不深，这个过程也可以 ...
2016-07-29
关于数据分析，管理者常犯的4个错误 对于数据分析来说，管理者的作用也很大，如果只是一味地高谈阔论，并没有根据公司实际情况来制定数据战略，很容易走弯路。本文主要从四个方面来分析，管理者在公司数据应用 ...
2016-07-29t 检验与 Wilcoxon 检验：数据差异比较的两大统计利器 在数据分析中，“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法：解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域，准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师：数据治理驱动下的企业数据价值守护者 在数字经济时代，数据已成为企业核心战略资产，其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线（ROC 曲线）是评估诊断模型或预测指标效能的核心工具， ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中，隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维：驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下，数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标：基础概念与协同逻辑 一、CDA 数据分析师：数据驱动时代的核心角色 1.1 定义与行业价值 CDA（Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析：从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计：CDA数据分析师的基础核心与实践应用 一、描述性统计的定位：CDA 认证的 “入门基石” 在 CDA（Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后，原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中，response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮：CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代，数据治 ...
2025-08-21Power BI 热力地图制作指南：从数据准备到实战分析 在数据可视化领域，热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库：从原理到实践的全面解析 在深度学习领域，矩阵运算堪称 “计算基石”。无论是卷积神经网络（CNN）中的 ...
2025-08-20数据建模：CDA 数据分析师的核心驱动力 在数字经济浪潮中，数据已成为企业决策的核心资产。CDA（Certified Data Analyst）数据分 ...
2025-08-20KS 曲线不光滑：模型评估的隐形陷阱，从原因到破局的全指南 在分类模型（如风控违约预测、电商用户流失预警、医疗疾病诊断）的评 ...
2025-08-20偏态分布：揭开数据背后的非对称真相，赋能精准决策 在数据分析的世界里，“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师：数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天，“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师：善用 Power BI 索引列，提升数据处理与分析效率 在 Power BI 数据分析流程中，“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师：巧用 SQL 多个聚合函数，解锁数据多维洞察 在企业数据分析场景中，单一维度的统计（如 “总销售额”“用户总数 ...
2025-08-18
