机器学习中的范数规则化之 L0、L1与L2范数 今天我们聊聊机器学习中出现的非常频繁的问题：过拟合与规则化。我们先简单的来理解下常用的L0、L1、L2和核范数规则化。最后聊下规则化项参数的选择问题。这里因为篇 ...
2017-05-11
Python里面的矩阵与矢量化运算 Python在数据挖掘、数据分析中用的很多。最基础的矩阵与矢量化运算需要掌握。 需要下载安装的包：Numpy Windows下cmd窗口输入以下命令即可成功安装 ...
2017-05-11R语言学习之矩阵 很多人是在线性代数课学的矩阵，当时什么问题都没有，除了一个问题：学习矩阵到底有什么用呢？矩阵是一个集合，它里面可以存放很多对象，比如一个行就是一个对象（或者说记录），每一个对象又 ...
2017-05-11R语言中的数组和列表 R语言中的数组与其它语言数组类似，它是一种高维的数据结构。维数过高运算会很不方便，所以用的很少，这里介绍是本着不落下任何知识点的目的。万一以后遇到了，虽然不方便，还是可以进行运 ...
2017-05-11
SPSS：如何进行探索分析 探索分析是在对数据的基本特征统计量有初步了解的基础上，对数据进行的更为深入详细的描述性观察分析。它在一般描述性统计指标的基础上，增加了有关数据其他特征的文字与图形描述，显得 ...
2017-05-10
SPSS分析技术：多重线性回归模型；极端值与多重共线性的识别与处理 如果拟合质量不好，可能存在的问题主要有以下两个方面： 极端值（强点）的影响。我们都知道，在线性回归分析中，自变量回归系数的确定主要 ...
2017-05-10
SPSS详细操作：碰见有序分类资料，怎么办 经常听到有小伙伴刚学了武林秘籍之卡方检验，只要碰到分类资料就一通乱打，虽说有时候能赢几场，但是也有被打的鼻青脸肿的，还自言自语的说，招数没毛病呀！？事实上毛 ...
2017-05-10
机器学习项目中的数据预处理与数据整理之比较 要点 在常见的机器学习/深度学习项目里，数据准备占去整个分析管道的60％到80％。 市场上有各种用于数据清洗和特征工程的编程语言、框架和工具。它们之间的 ...
2017-05-10
SPSS语法的使用 通过使用强大的命令语言，您可以保存并自动执行许多常规任务。它还提供一些在菜单和对话框中没有的功能。大多数命令可以从菜单和对话框访问。但是，某些命令和选项只能通过命令语言使用。命令语 ...
2017-05-10
如何将连续变量创建为变量 要创建分类变量inccat： 从数据编辑器窗口的菜单中选择： 转换> 可视离散化... 在初始的“可视离散化”对话框中，选择要为其创建新的离散化变量的刻度变量和/或 有序变 ...
2017-05-10
R文本分类之RTextTools 古有曹植七步成诗，而RTextTools是一款让你可以在十步之内实现九种主流的机器学习分类器模型的文本分类开发包。 它集成了(或者说支持)如下算法相关的包： 支持向量机（Support Vec ...
2017-05-09
Python中的线性代数运算 这里，为了熟悉Python语言的特性，我们采用一种最原始的方式去定义线性代数运算的相关函数。如果是真实应用场景，则直接使用NumPy的函数即可。 1.向量 创建一个向量 我们可以把P ...
2017-05-09
使用Python进行线性回归 线性回归是最简单同时也是最常用的一个统计模型。线性回归具有结果易于理解，计算量小等优点。如果一个简单的线性回归就能取得非常不错的预测效果，那么就没有必要采用复杂精深的模型了 ...
2017-05-09
干货 ：用户细分的流程与方法 通常，用户细分既不是分析的不是起点也不是分析的终点，而是伴随某个特定的分析而存在。精准化营销，需要用户细分，譬如你拥有同城的数十万消费者的资料数据库，随时为有需要的同 ...
2017-05-09
三张图读懂机器学习:基本概念、五大流派与九种常见算法 机器学习正在进步，我们似乎正在不断接近我们心中的人工智能目标。语音识别、图像检测、机器翻译、风格迁移等技术已经在我们的实际生活中开始得到了应用 ...
2017-05-09
为什么你的数据分析那么好，图表做得那么烂 所有优秀的数据可视化依赖优异的设计，并非仅仅选择正确的图表模板那么简单。全在于以一种更加有助于理解和引导的方式去表达信息，尽可能减轻用户获取信息的成本。当 ...
2017-05-09
写论文，没数据？R语言抓取网页大数据 纵观国内外，大数据的市场发展迅猛，政府的扶持也达到了空前的力度，甚至将大数据纳入发展战略。如此形势为社会各界提供了很多机遇和挑战，而我们作为卫生(医学)统计领域 ...
2017-05-08
数据人才工种之数据分析师 什么是数据分析师呢？ 关于这个问题，仁者见仁，智者见智。 在我看来，数据分析师就一群做数据分析工作的人，要做好数据分析工作，并不容易。数据分析师在做数据分析工作时，他们 ...
2017-05-08
R语言玩数据：数据+算法+计算引擎+知识表达 本文介绍玩数据的四部曲，分别是数据、算法、计算引擎和知识表达。 一、数据 数据的观点，如下： 玩数据首先要拥有数据，”巧妇难为无米之炊“。 业务 ...
2017-05-08
R文本挖掘之tm包 tm包是R文本挖掘方面不可不知也不可不用的一个package。它提供了文本挖掘中的综合处理功能。如：数据载入，语料库处理，数据预处理，元数据管理以及建立“文档-词条”矩阵。 下面，即从tm包提 ...
2017-05-08CDA 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 ...
2025-08-18CDA 数据分析师：驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中，表格结构数据（如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南：从 DAX 度量到可视化落地 在业务数据分析中，“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据：用法、实例与实战技巧 在 Python 编程中，函数是代码复用与逻辑封装的核心载体。多数场景下，我们 ...
2025-08-15CDA 数据分析师：引领商业数据分析体系构建，筑牢企业数据驱动根基 在数字化转型深化的今天，企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性（Feature Importance）排名解析 在机器学习领域，随机森林因其出色的预测性能和对高维数据的适应性，被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中，t 统计量是常用的重要指标，其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中，数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量：数据链路中的双重镜像 在商业数据分析体系中，流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中，商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师：数据时代的价值挖掘者 在数字经济高速发展的今天，数据已成为企业核心资产，而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中，开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据：从业务需求到技术实现 在数据分析场景中，连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制：数据打乱的艺术与实践 在深度学习模型训练过程中，数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选：从基础语法到实战应用 在数据分析工作中，基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域：从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年，数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率：计算方法与实践意义 在游戏行业中，流水（即游戏收入）是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级：数据分析入门的基石 在当今数据驱动的时代，数据分析能力已成为职场中的一项重要技能。CDA（Certified Data Anal ...
2025-08-12破解游戏用户流失困局：从数据洞察到留存策略 在游戏行业竞争白热化的当下，用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11
