【机器学习】半监督学习几种方法 1.Self-training algorithm(自训练算法) 这个是最早提出的一种研究半监督学习的算法，也是一种最简单的半监督学习算法． 2.Multi-view algorithm(多视角算法) 一般多 ...
2017-07-24
机器学习模型评价(Evaluating Machine Learning Models)-主要概念与陷阱 本文主要解释一些关于机器学习模型评价的主要概念，与评价中可能会遇到的一些陷阱。如训练集-验证集二划分校验（Hold-out validation） ...
2017-07-24Python的星号（*、**）的作用 1. 函数的可变参数 当函数的参数前面有一个星号*的时候表示这是一个可变的位置参数，两个星号**表示是可变的关键字参数。 #!env python #coding=utf-8 # def foo(*args, **kwar ...
2017-07-24
机器学习之Logistic回归与Python实现 logistic回归是一种广义的线性回归，通过构造回归函数，利用机器学习来实现分类或者预测。 一 Logistic回归概述 Logistic回归的主要思想是，根据现有的数据对分类边 ...
2017-07-24
机器学习之朴素贝叶斯(NB)分类算法与Python实现 朴素贝叶斯（Naive Bayesian）是最为广泛使用的分类方法，它以概率论为基础，是基于贝叶斯定理和特征条件独立假设的分类方法。 一、 概述 1.1 简介 朴 ...
2017-07-23
机器学习之决策树(ID3)算法与Python实现 机器学习中，决策树是一个预测模型；他代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉路径则代表的某个可能的属性值，而每个叶结 ...
2017-07-23
数据挖掘的基本概念：数据库、数据仓库、机器学习，统计学 “数据挖掘“(Data Mining)又被称为“数据中的知识发现”（KDD），顾名思义，也就是通过数据清理、数据集成、数据选择、数据变换、数据挖掘、模式评估 ...
2017-07-23
机器学习之k-近邻（kNN）算法与Python实现 k-近邻算法（kNN，k-NearestNeighbor），是最简单的机器学习分类算法之一，其核心思想在于用距离目标最近的k个样本数据的分类来代表目标的分类（这k个样本数据和目标 ...
2017-07-23
样本统计量与总体的关系，抽样分布的概念性质 本文对抽样分布的概念、无偏差和最小偏差等性质，以及中心极限定理和样本比例的抽样分布进行总结。 1 抽样分布基本概念 参数（parameter）：参数是对总 ...
2017-07-23
图形和数值的数据集描述方法 图形方法对数据集的描述 1. 条形图（bar graph） 条形图一般横向表示类别（class），纵向表示该类别所对应的类别频率（class frequency）。 2. 饼状图（pie graph） 饼状图 ...
2017-07-23
掌握R语言中的apply函数族 刚开始接触R语言时，会听到各种的R语言使用技巧，其中最重要的一条就是不要用循环，效率特别低，要用向量计算代替循环计算。 那么，这是为什么呢？原因在于R的循环操作for和while ...
2017-07-22
R语言绘图学习笔记 在做数据分析时，我们通常作的举动就是画散点图分析。因为通过散点图的分析，我们可以最直观，最简单的得出大概的结论。今天我分享的内容就是R语言的绘图函数。 关于R语言强大的绘图功能 ...
2017-07-22
R语言基础画图/绘图/作图 R语言基础画图 R语言免费且开源，其强大和自由的画图功能，深受广大学生和可视化工作人员喜爱，这篇文章对如何使用R语言作基本的图形，如直方图，点图，饼状图以及箱线图进行简单介 ...
2017-07-22
R语言与点估计学习笔记（EM算法与Bootstrap法） 一、EM算法 EM算法是一种在观测到数据后，用迭代法估计未知参数的方法。可以证明EM算法得到的序列是稳定单调递增的。这种算法对于截尾数据或参数中有一些我们 ...
2017-07-22
R语言与点估计学习笔记（矩估计与MLE） 众所周知，R语言是个不错的统计软件。今天分享一下利用R语言做点估计的内容。主要有：矩估计、极大似然估计、EM算法、最小二乘估计、刀切法（Jackknife）、自助法（Boots ...
2017-07-22
R语言与回归分析几个假设的检验 一、从线性回归的假设说起 对于线性回归而言，若要求回归估计有一些良好性质比如无偏性，就需要加上一些假定条件。比如要达到估计的无偏性，我们通常需要加上高斯-马尔科夫 ...
2017-07-22
优化与求解非线性方程组（单变量问题） 求函数极值的问题通常被化简为求解导数为0的点的问题。所以优化问题通常与解非线性方程组联系起来。在前面写点估计中的mle时，我们介绍了R中求解方程极值的函数nlm（）， ...
2017-07-21
多变量非线性方程求解问题（牛顿迭代法） 关于多变量的多元函数，我们求解考虑解的问题与单变量是极其类似的。考虑在x处的一阶泰勒展开，我们有0=f(x0)=f(x)+j(x)(x-x0)(后面的等号近似成立，j表示jacobia ...
2017-07-21
R语言与非参数统计（核密度估计） 核密度估计是在概率论中用来估计未知的密度函数，属于非参数检验方法之一，由Rosenblatt (1955)和Emanuel Parzen(1962)提出，又名Parzen窗（Parzen window）。 假设我们有n ...
2017-07-21
R语言与机器学习中的回归方法学习笔记 机器学习中的一些方法如决策树，随机森林，SVM，神经网络由于对数据没有分布的假定等普通线性回归模型的一些约束，预测效果也比较不错，交叉验证结果也能被接受。下面以R ...
2017-07-21数字化经营时代，企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中，自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标，而是陷入“指标失控”：仪表盘上堆满实时跳动的数据，却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下，存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标，但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代，数据质量直接决定分析结果的可靠性与准确性，而异常值作为数据清洗中的核心痛点，往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率，但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界，很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill，但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中，方差分析（ANOVA）是一种常用的假设检验方法，核心用于分析“一个或多个自变量对单个因变量的影响”，广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率，但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级，拒绝盲目刷题、冗余学习？《CDA 一级教材知识手册》重磅来袭！以官方教材为核心，浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中，卡方检验是一种常用的非参数检验方法，核心用于判断两个或多个分类变量之间是否存在显著关联，广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中，很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统，积累了海量数据，却依然面临“ ...
2026-05-18小陈是某电商平台的数据分析师。老板交给他一个任务：“我们平台的注册用户已经突破1000万了，想了解一下用户的平均月消费金额。 ...
2026-05-18【专访摘要】本次CDA持证专访邀请到拥有丰富物流供应链数据分析经验的赖尧，他结合自身在京东、华莱士、兰格赛等企业的从业经历 ...
2026-05-15在数字化时代，企业的每一次业务优化、每一项技术迭代，都需要回答一个核心问题：这个动作到底能带来多少价值？是提升了用户转化 ...
2026-05-15在数据仓库建设中，事实表与维度表是两大核心组件，二者相互关联、缺一不可，共同构成数据仓库的基础架构。事实表聚焦“发生了什 ...
2026-05-15 很多数据分析师沉迷于复杂的机器学习算法，却忽略了数据分析最基础也最核心的能力——描述性统计。事实上，80%的商业分析问 ...
2026-05-15【核心关键词】互联网、机会、运营、关键词、账户、数字化、后台、客户、成本、网络、数据分析、底层逻辑、市场推广、数据反馈 ...
2026-05-14
