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 ...
2017-05-08在数据分析、业务决策、科学研究等领域，统计模型是连接原始数据与业务价值的核心工具——它通过对数据的规律提炼、变量关联分析 ...
2026-02-14在SQL查询实操中，SELECT * 与 SELECT 字段1, 字段2,...（指定个别字段）是最常用的两种查询方式。很多开发者在日常开发中，为了 ...
2026-02-14对CDA（Certified Data Analyst）数据分析师而言，数据分析的核心不是孤立解读单个指标数值，而是构建一套科学、完整、贴合业务 ...
2026-02-14在Power BI实操中，函数是实现数据清洗、建模计算、可视化呈现的核心工具——无论是简单的数据筛选、异常值处理，还是复杂的度量 ...
2026-02-13在互联网运营、产品迭代、用户增长等工作中，“留存率”是衡量产品核心价值、用户粘性的核心指标——而次日留存率，作为留存率体 ...
2026-02-13对CDA（Certified Data Analyst）数据分析师而言，指标是贯穿工作全流程的核心载体，更是连接原始数据与业务洞察的关键桥梁。CDA ...
2026-02-13在机器学习建模实操中，“特征选择”是提升模型性能、简化模型复杂度、解读数据逻辑的核心步骤——而随机森林（Random Forest） ...
2026-02-12在MySQL数据查询实操中，按日期分组统计是高频需求——比如统计每日用户登录量、每日订单量、每日销售额，需要按日期分组展示， ...
2026-02-12对CDA（Certified Data Analyst）数据分析师而言，描述性统计是贯穿实操全流程的核心基础，更是从“原始数据”到“初步洞察”的 ...
2026-02-12备考CDA的小伙伴，专属宠粉福利来啦！ 不用拼运气抽奖，不用复杂操作，只要转发CDA真题海报到朋友圈集赞，就能免费抱走实用好礼 ...
2026-02-11在数据科学、机器学习实操中，Anaconda是必备工具——它集成了Python解释器、conda包管理器，能快速搭建独立的虚拟环境，便捷安 ...
2026-02-11在Tableau数据可视化实操中，多表连接是高频操作——无论是将“产品表”与“销量表”连接分析产品销量，还是将“用户表”与“消 ...
2026-02-11在CDA（Certified Data Analyst）数据分析师的实操体系中，统计基本概念是不可或缺的核心根基，更是连接原始数据与业务洞察的关 ...
2026-02-11在数字经济飞速发展的今天，数据已成为核心生产要素，渗透到企业运营、民生服务、科技研发等各个领域。从个人手机里的浏览记录、 ...
2026-02-10在数据分析、实验研究中，我们经常会遇到小样本配对数据的差异检验场景——比如同一组受试者用药前后的指标对比、配对分组的两组 ...
2026-02-10在结构化数据分析领域，透视分析（Pivot Analysis）是CDA（Certified Data Analyst）数据分析师最常用、最高效的核心实操方法之 ...
2026-02-10在SQL数据库实操中，字段类型的合理设置是保证数据运算、统计准确性的基础。日常开发或数据分析时，我们常会遇到这样的问题：数 ...
2026-02-09在日常办公数据分析中，Excel数据透视表是最常用的高效工具之一——它能快速对海量数据进行分类汇总、分组统计，将杂乱无章的数 ...
2026-02-09表结构数据作为结构化数据的核心载体，其“获取-加工-使用”全流程，是CDA（Certified Data Analyst）数据分析师开展专业工作的 ...
2026-02-09在互联网产品运营、用户增长的实战场景中，很多从业者都会陷入一个误区：盲目投入资源做推广、拉新，却忽视了“拉新后的用户激活 ...
2026-02-06
