K近算法之巴氏距离 巴氏距离（BhattacharyyaDistance），在统计中，Bhattacharyya距离测量两个离散或连续概率分布的相似性。它与衡量两个统计样品或种群之间的重叠量的Bhattacharyya系数密切相关。 ...
2014-11-30
K近算法之马氏距离 马氏距离(MahalanobisDistance) （1）马氏距离定义 有M个样本向量X1~Xm，协方差矩阵记为S，均值记为向量μ，则其中样本向量X到u的马氏距离表示为： ...
2014-11-30
K近算法之标准化欧氏距离 标准化欧氏距离(StandardizedEuclideandistance)，标准化欧氏距离是针对简单欧氏距离的缺点而作的一种改进方案。标准欧氏距离的思路：既然数据各维分量的分布不一样，那先将各个分 ...
2014-11-30
K近算法之闵可夫斯基距离 闵可夫斯基距离(MinkowskiDistance)，闵氏距离不是一种距离，而是一组距离的定义。 (1)闵氏距离的定义 两个n维变量a(x11,x12,…,x1n) ...
2014-11-30
切比雪夫距离_数据分析师 若二个向量或二个点p、andq，其座标分别为及，则两者之间的切比雪夫距离定义如下：， 这也等于以下Lp度量的极值：，因此切比雪夫距离也称为L∞度量。 以数学的 ...
2014-11-29
曼哈顿距离_数据分析师 我们可以定义曼哈顿距离的正式意义为L1-距离或城市区块距离，也就是在欧几里得空间的固定直角坐标系上两点所形成的线段对轴产生的投影的距离总和。例如在平面上，坐标（x1,y1）的 ...
2014-11-29
K近邻的距离度量表示法 我们看到，K近邻算法的核心在于找到实例点的邻居，这个时候，问题就接踵而至了，如何找到邻居，邻居的判定标准是什么，用什么来度量。这一系列问题便是下面要讲的距离度量表示 ...
2014-11-29
什么是K近邻算法_数据分析师 何谓K近邻算法，即K-Nearest Neighbor algorithm，简称KNN算法，单从名字来猜想，可以简单粗暴的认为是：K个最近的邻居，当K=1时，算法便成了最近邻算法，即寻找最近的那个邻居 ...
2014-11-29
数据挖掘中所需的概率论Landon的推导(九)_数据分析师 Landon的推导(1941) 第三条道是一位电气工程师，Vernon D. Landon 给出的。1941年，Landon 研究通信电路中的噪声电压，通过分析经验数据他发 ...
2014-11-29
数据挖掘中所需的概率论与数理统计知识(十) 正态分布和最大熵 还有一条小径是基于最大熵原理的，物理学家E.T.Jaynes在最大熵原理上有非常重要的贡献，他在《概率论沉思录》里面对这个方法有描述和 ...
2014-11-29
数据挖掘中所需的概率论（八）Herschel(1850)和麦克斯韦(1860)的推导 Herschel(1850)和麦克斯韦(1860)的推导 第二条小径是天文学家John Hershcel和物理学家麦克斯韦(Maxwell)发现的。1850年，天文 ...
2014-11-29
数据挖掘中所需的概率论 高斯的推导（七）数据分析师 论道正态，正态分布的4大数学推导 如本blog内之前所说：凡是涉及到要证明的东西.理论，便一般不是怎么好惹的东西。绝大部分时候，看懂一个东西不难， ...
2014-11-29
数据挖掘中所需的概率论与数理统计知识（六 ） 高斯导出误差正态分布 事实上，棣莫弗早在1730年~1733年间便已从二项分布逼近的途径得到了正态密度函数的形式，到了1780年后，拉普拉斯也推出了中心极 ...
2014-11-29
数据挖掘中所需的概率论与数理统计知识（五） 拉普拉斯的工作 在1772-1774年间，拉普拉斯也加入到了寻找误差分布函数的队伍中。与辛普森不同，拉普拉斯不是先假定一种误差分后去设法证明平均值的优良性 ...
2014-11-29大数据流程处理“三要”“三不要”_数据分析师 大数据时代处理数据的三大转变：要全体不要抽样，要效率不要绝对精确，要相关不要因果。 具体的大数据处理方法确实有很多，但是根据笔者长时间的实践，总结 ...
2014-11-28大数据时代_大数据分析将走向何方_数据分析师 现阶段关于大数据的未来，下一步是什么，我们如何利用数据在更深的层面提取有意义的消费者信息来超越我们现在的程度?最标准的答案是从比以往更 多的设备上实 ...
2014-11-28大数据实践 基础架构先行_数据分析师 大数据被认为是下一个创新、竞争和生产力的前沿，谁率先抓住大数据的先机即意味着能够在未来市场竞争之中取得杆位。当前大数据市场除了传统厂商之外，还同时涌现出一大批 ...
2014-11-28解读让大数据价值圆满实现的四条建议 大数据分析可创造出大量的价值。正如大多数有价值的工作一样，大数据值得我们投入时间和精力去挖掘其中的价值。 基于这种经验，笔者在下方给出了四条建议，用于 ...
2014-11-28【连载5】如何用spss做加权最小二乘回归及岭回归 上一节我们讲到一般多元线性回归的操作方法。本节要介绍的是多元线性回归的其他几种情况。包括适用于含有加权变量的加权最小二乘回归方程等。然后继续讨论上 ...
2014-11-28【连载4】 如何用spss做一般（含虚拟变量）多元线性回归 回归一直是个很重要的主题。因为在数据分析的领域里边，模型重要的也是主要的作用包括两个方面，一是发现，一是预测。而很多时候我们就要通过回归来进 ...
2014-11-28Python HTTP 请求工具对比：urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求（如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师：业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段，其价值 ...
2025-09-12用 SQL 验证业务逻辑：从规则拆解到数据把关的实战指南 在业务系统落地过程中，“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例：数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下，精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析：概念辨析与协同价值 在数据驱动决策的体系中，“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析：从操作实践到业务价值挖掘 在数据分析场景中，聚类分析作为 “无监督分组” 的核心工具，能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的：从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具，并非简单的 “公式堆砌”，而是围绕特定 ...
2025-09-10CDA 数据分析师：商业数据分析实践的落地者与价值创造者 商业数据分析的价值，最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键：从业务到落地的全流程解析 在人工智能技术落地的浪潮中，机器学习作为核心工具，已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS（Statistical Product and Service Solutions，统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师：驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中，商业数据分析总体 ...
2025-09-09R 语言：数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代，无论是科研人员验证实验假设（如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域，常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下，“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而，零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点：原理、优势与应用解析 在机器学习领域，随机森林（Random Forest）作为集成学习（Ensemble Learning） ...
2025-09-05Excel 区域名定义：从基础到进阶的高效应用指南 在 Excel 数据处理中，频繁引用单元格区域（如A2:A100、B3:D20）不仅容易出错， ...
2025-09-05CDA 数据分析师：以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下，CDA（Certified Data Analyst） ...
2025-09-05SQL 日期截取：从基础方法到业务实战的全维度解析 在数据处理与业务分析中，日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络（CNN）的发展历程中，解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04
