CDA数据科学研究院
CDA考试中心
企业服务
CDA社区
CDA竞赛
CDA技术答疑
CDA会员
职业咨询
关于CDA
全国校区
北京
上海
广州
深圳
成都
西安
南京
长沙
宁波
数据分析师
就业班
题库
CDA认证
登录
注册
首页
|
课程中心
|
精英学院:
业务数据分析师周末集训
Python数据分析师周末集训
大数据分析师周末集训
LEVEL 3 数据科学家周末集训
CDA数据分析师周末集训营(6个月)
电商数据分析师
就业学院:
CDA数据分析就业班
CDA在线学院:
商业数据分析师(BI/PYTHON)
AI人工智能工程师
学术研究培训专题:
STATA专题
SSCI/SCI论文类
认证考试
|
CDA行业资格认证
FMC专项认证
企业内训
|
CDA社区
|
CDA竞赛
CDA技术答疑
CDA会员
scikit-learn中文社区
职业咨询
产 品
|
大数据与人工智能实验室
教育部1+X证书
好学AI
(下一代智能学习产品)
资讯中心
|
免密码
登录
获取验证码
行为验证™ 安全组件加载中
提交
首次登录验证后自动注册
首页
>
技术干货
上一页
下一页
1 ...
66
67
68
69
70
71
72
73
74
..419
70/419
跳转
R之回归分析广义线性模型(Generalized Linear Model)glm
R之回归分析广义线性模型(Generalized Linear Model)glm
2017-07-09
R之回归分析广义线性模型(Generalized Linear Model)glm 1. 介绍 广义线性模型(Generalized Linear Model)是一般线性模型的推广,它使因变量的总体均值通过一个非线性连接函数而依赖于线性预测值,允许响应 ...
互联网金融未来的核心在于大数据挖掘
互联网金融未来的核心在于大数据挖掘
2017-07-09
互联网金融未来的核心在于大数据挖掘 时下,查询实时交通路况几乎成为我们出行前必不可少的事情,而这些躲避拥堵的方案真的是实时监控反馈的吗?答案当然是否定的,它主要在于数据分析,即通过带GPS功能的手机 ...
如何解决机器学习中数据不平衡问题
如何解决机器学习中数据不平衡问题
2017-07-09
如何解决机器学习中数据不平衡问题 这几年来,机器学习和数据挖掘非常火热,它们逐渐为世界带来实际价值。与此同时,越来越多的机器学习算法从学术界走向工业界,而在这个过程中会有很多困难。数据不平衡问题虽 ...
SPSS分析技术:K-均值聚类分析;个体工商户和小型企业也应该做客户分级管理,提高市场竞争力
SPSS分析技术:K-均值聚类分析;个体工商户和小型企业也应该做客户分级管理,提高市场竞争力
2017-07-08
SPSS分析技术:K-均值聚类分析;个体工商户和小型企业也应该做客户分级管理,提高市场竞争力 K-均值聚类法的聚类算法与层次聚类法完全不同。在SPSS软件中,K-均值聚类法是按照如下步骤对个案进行聚类的: 分 ...
SPSS中如何对多个选项的结果进行计数
SPSS中如何对多个选项的结果进行计数
2017-07-08
SPSS中如何对多个选项的结果进行计数 对于数据的统计分析来说,有很多人觉得做出p值那一步比较高深。其实不然,数据整理和数据清洗才是吃力不讨好的事情,也能体现出数据处理人员的能力。数据整理与清洗既花费 ...
SQL Server数据库大型应用解决方案总结
SQL Server数据库大型应用解决方案总结
2017-07-08
SQL Server数据库大型应用解决方案总结 一、负载均衡技术 负载均衡集群是由一组相互独立的计算机系统构成,通过常规网络或专用网络进行连接,由路由器衔接在一起,各节点相互协作、共同负载、均衡压力,对客 ...
SQL Server之排序函数和开窗函数
SQL Server之排序函数和开窗函数
2017-07-08
SQL Server之排序函数和开窗函数 Sql Server2005数据库自带一个排序函数ROW_NUMBER(), 列表为: 语法:row_number() : over(子句) 1.使用row_number()函数进行编号: select row_number() over(or ...
【SQL揭秘】有多少种数据库,就有多少类CTE
【SQL揭秘】有多少种数据库,就有多少类CTE
2017-07-08
【SQL揭秘】有多少种数据库,就有多少类CTE Common Table Expression Common table expression简称CTE,由SQL:1999标准引入,可以认为是在单个 SELECT、INSERT、UPDATE、DELETE 或 CREATE VIEW 语句的执行范 ...
R语言之数据管理
R语言之数据管理
2017-07-08
R语言之数据管理 数据挖掘最重要的一环就是如何管理你的数据,因为原始数据一般都不能直接用来进行分析,需要对原始数据进行增加衍生变量、数据分箱、数据标准化处理;对因子型变量进行哑变量处理;数据抽样和 ...
R语言-简单线性回归图-方法
R语言-简单线性回归图-方法
2017-07-07
R语言-简单线性回归图-方法 目标:利用R语言统计描绘50组实验对比结果 第一步:导入.csv文件 X <- read.table(\"D:abc11.csv\",header = TRUE, sep = \",\") 第二步:绘图 ...
R语言-数据预处理
R语言-数据预处理
2017-07-07
R语言-数据预处理 一、日期时间、字符串的处理 日期 Date: 日期类,年与日 POSIXct: 日期时间类,精确到秒,用数字表示 POSIXlt: 日期时间类,精确到秒,用列表表示 Sys.date(), date(), difftime(), ISOdate() ...
R语言:数据处理包dplyr的函数
R语言:数据处理包dplyr的函数
2017-07-07
R语言:数据处理包dplyr的函数 dplyr专注处理dataframe对象, 并提供更稳健的与其它数据库对象间的接口。 一、5个关键的数据处理函数: select() 返回列的子集 filter() 返回行的子集 arrange() 根据一 ...
R语言—日常随笔
R语言—日常随笔
2017-07-07
R语言—日常随笔 1.字符处理函数:paste() 需求:将字符向量中的字符串,用逗号隔开,合并为一句话。 > ##字符向量 > ls_1 [1] \"天津\" \"上海\" \"安徽\" \"福建\" \"四川\" \"重庆\" \"陕西\" \"青海\" \" ...
数据分析实例--R语言如何对垃圾邮件进行分类
数据分析实例--R语言如何对垃圾邮件进行分类
2017-07-07
数据分析实例--R语言如何对垃圾邮件进行分类 Structure of a Data Analysis 1 数据分析的步骤 l Define the question l Define the ideal data set l Determine what data you can access l Obt ...
R语言时间序列数据应用xts
R语言时间序列数据应用xts
2017-07-07
R语言时间序列数据应用xts zoo是时间序列的基础库,是面向通用的设计。 xts 是对时间序列库(zoo) 的一种扩展实现。xts 类型继承了zoo 类型,丰富了时间序列数据处理的函数。 一、xts对象的结构和定义 1、 ...
sas信用评分卡之番外哑变量的生成
sas信用评分卡之番外哑变量的生成
2017-07-06
sas信用评分卡之番外哑变量的生成 哑变量是:举一个例子,假设变量“职业”的取值分别为:工人、农民、学生、企业职员、其他,5种选项,我们可以增加4个哑变量来代替“职业”这个变量,分别为D1(1=工人/0=非工 ...
SAS的数据导入导出大法
SAS的数据导入导出大法
2017-07-06
SAS的数据导入导出大法 正所谓巧妇难为无米之炊,数据分析首要的问题是数据的获取。 SAS 作为老牌的统计软件发展至今,已经集成了丰富的数据获取与管理功能组件。本章我们就SAS如何获取数据做重点介绍,并顺带 ...
使用 IBM SPSS Modeler 进行数据挖掘之数据理解
使用 IBM SPSS Modeler 进行数据挖掘之数据理解
2017-07-06
使用 IBM SPSS Modeler 进行数据挖掘之数据理解 在数据挖掘项目中,数据理解常常不被重视。但其实数据理解在整个数据挖掘项目中扮演着非常重要的角色,可以说是整个项目的基石。在计算机领域有一句话,“Garbag ...
你真的会玩SQL吗?EXISTS和IN之间的区别
你真的会玩SQL吗?EXISTS和IN之间的区别
2017-07-06
你真的会玩SQL吗?EXISTS和IN之间的区别 EXISTS和IN之间的区别 1.EXISTS只返回TRUE或FALSE,不会返回UNKNOWN。 2.IN当遇到包含NULL的情况,那么就会返回UNKNOWN。 当查询的列包含NULL时,NOT EXIS ...
你真的会玩SQL吗?之逻辑查询处理阶段
你真的会玩SQL吗?之逻辑查询处理阶段
2017-07-06
你真的会玩SQL吗?之逻辑查询处理阶段 最近要对数据库进行优化,但由于工作项目中已经很少亲自写SQL而且用的都不是很复杂的语句,所以有些生疏了,于是翻翻N年前的笔记资料,想以此来记录回顾总结一些实用的SQL ...
上一页
下一页
1 ...
66
67
68
69
70
71
72
73
74
..419
70/419
跳转
OK