sas字符变量基于iv值的最优分类 1.IV的用途 IV的全称是InformationValue，中文意思是信息价值，或者信息量。 我们在用逻辑回归、决策树等模型方法构建分类模型时，经常需要对自变量进行筛选。比如我们有2 ...
2017-03-27
SAS中最常用的10个命令 SAS是乔伊平时学习中常用到的数据处理软件之一。在处理大批量数据时，SAS不能说太好用呢。SAS也是学习起来十分简单的一个软件，掌握一些基本的命令，就可以满足日常的数据处理需求。 ...
2017-03-27
简单易学的机器学习算法—Gibbs采样 一、Gibbs采样概述 前面介绍的Metropolis-Hastings采样为从指定分布中进行采样提供了一个统一的框架，但是采样的效率依赖于指定的分布的选择，若是选择的不好，会使得接受率 ...
2017-03-27
MATLAB技巧—sort和sortrows函数 1、sort函数 sort函数用于对数据进行排序，通过help sort命令，可以查找到sort函数的具体用法： Y = SORT(X,DIM,MODE) has two optional parameters. DIM selects a dimensio ...
2017-03-27
机器学习算法实践—K-Means算法与图像分割 一、理论准备 1.1、图像分割 图像分割是图像处理中的一种方法，图像分割是指将一幅图像分解成若干互不相交区域的集合，其实质可以看成是一种像素的聚类过程。通常使用 ...
2017-03-27
使用Python分析纽约出租车搭乘数据 在纽约，出租车分为两类：黄色和绿色。黄色出租(Yellow TAXI)车可以在纽约五大区（布朗克斯区、布鲁克林区、曼哈顿、皇后区、斯塔滕岛）内任何地点搭载乘客。绿色出租车(Gree ...
2017-03-27
机器学习算法与Python实践之（四）支持向量机（SVM）实现 八、SVM的实现之SMO算法 终于到SVM的实现部分了。那么神奇和有效的东西还得回归到实现才可以展示其强大的功力。SVM有效而且存在很高效的训练算法， ...
2017-03-26
机器学习算法与Python实践之（三）支持向量机（SVM）进阶 五、核函数 如果我们的正常的样本分布如下图左边所示，之所以说是正常的指的是，不是上面说的那样由于某些顽固的离群点导致的线性不可分。它是真的 ...
2017-03-26
机器学习算法与Python实践之（二）支持向量机（SVM）初级 一、引入 支持向量机（SupportVector Machines），这个名字可是响当当的，在机器学习或者模式识别领域可是无人不知，无人不晓啊。八九十年代的时候 ...
2017-03-26
机器学习算法与Python实践之（一）k近邻（KNN） 一、kNN算法分析 K最近邻（k-Nearest Neighbor，KNN）分类算法可以说是最简单的机器学习算法了。它采用测量不同特征值之间的距离方法进行分类。它的思想很简 ...
2017-03-26
简单易学的机器学习算法—马尔可夫链蒙特卡罗方法MCMC 对于一般的分布的采样，在很多的编程语言中都有实现，如最基本的满足均匀分布的随机数，但是对于复杂的分布，要想对其采样，却没有实现好的函数，在这里， ...
2017-03-26
Python基础—网络编程 在网络编程中主要是使用Socket(套接字)进行编程，套接字相当于应用程序访问下层网络的服务的接口，使用Socket可以是得不同主机之间进行通信，从而实现数据交换。 1、Socket工作方式 套 ...
2017-03-26
python—时间与时间戳之间的转换 对于时间数据，如2016-05-05 20:28:54，有时需要与时间戳进行相互的运算，此时就需要对两种形式进行转换，在Python中，转换时需要用到time模块，具体的操作有如下的几种： 将 ...
2017-03-25
简单易学的机器学习算法—Mean Shift聚类算法 一、Mean Shift算法概述 Mean Shift算法，又称为均值漂移算法，Mean Shift的概念最早是由Fukunage在1975年提出的，在后来由Yizong Cheng对其进行扩充，主要提出 ...
2017-03-25
《数学之美》拾遗—潜在语义索引(LSI) 一、潜在语义索引的提出 潜在语义索引(LSI)，又称为潜在语义分析(LSA)，是在信息检索领域提出来的一个概念。主要是在解决两类问题，一类是一词多义，如“bank”一词 ...
2017-03-25
《数学之美》拾遗—TF-IDF 在学习机器学习的过程中，我写了简单易学的机器学习算法的专题，依然还有很多的算法会陆续写出来。网上已经有很多人分享过类似的材料，我只是通过自己的理解，想尽可能用一种通俗易懂 ...
2017-03-25
简单易学的机器学习算法——协同过滤推荐算法(2) 一、基于协同过滤的推荐系统 协同过滤(Collaborative Filtering)的推荐系统的原理是通过将用户和其他用户的数据进行比对来实现推荐的。比对的具体方法就是通过 ...
2017-03-25
简单易学的机器学习算法—协同过滤推荐算法(1) 一、推荐系统的概念 推荐系统(Recommendation System, RS)，简单来说就是根据用户的日常行为，自动预测用户的喜好，为用户提供更多完善的服务。举个简单的例子， ...
2017-03-25
简单易学的机器学习算法—主成分分析(PCA) 一、数据降维 对于现在维数比较多的数据，我们首先需要做的就是对其进行降维操作。降维，简单来说就是说在尽量保证数据本质的前提下将数据中的维数降低。降维的操作 ...
2017-03-24
简单易学的机器学习算法—岭回归(Ridge Regression) 一、一般线性回归遇到的问题 在处理复杂的数据的回归问题时，普通的线性回归会遇到一些问题，主要表现在： 预测精度：这里要处理好这样一对为题，即样本的 ...
2017-03-24CDA数据分析师 出品 作者：李诗怡 1. 5W1H 分析法 定义：经典系统性思维框架，通过六个核心维度对问题进行全方位拆解与剖析，确 ...
2026-09-28 很多分析师在设计标签时思路清晰，但真到落地环节却面临“数据在手，不知如何转化为可用标签”的困境：或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者：李诗怡 1. 用户标签体系 定义： 通过一系列高度精炼的特征标识，对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库，广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展，数据已成为核心生产要素，各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道，但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时，却常常答不上来。 ...
2026-09-24在时序数据分析中，大部分业务数据并非持续平稳变化，而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象， ...
2026-09-23在统计学与数据分析中，研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能，认 ...
2026-09-23 很多数据分析师每天都在写 SQL，但当被问到“DQL 的本质是什么”“SELECT 子句的书写顺序与执行顺序为何不同”“INNER JOIN ...
2026-09-23 很多数据分析师写过无数个SELECT查询，但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-09-22CDA数据分析师 出品 作者：李诗怡 1. 金字塔原理 定义： 一种“先总后分、先结论后原因”的思考和表达方式。顶层为核心观点，中 ...
2026-09-22数据收集是数据分析、数据挖掘与数字化运营的源头工作，数据收集的完整性、准确性、时效性直接决定后续数据分析结果的可信度与业 ...
2026-09-21箱线图是数据分析中用于识别数据分布、判断离散程度、筛查异常值的核心图表。相比于直方图、趋势图，箱线图可以精准区分正常数据 ...
2026-09-21 很多数据分析师精通Excel函数和数据透视表，但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-09-21在数据库数据查询与数据分析工作中，日期时间是最常用的数据类型之一。原始数据库中存储的日期格式多为标准时间戳、年月日时分秒 ...
2026-09-20在时序数据分析中，增长率是衡量数据涨跌幅度、研判发展趋势、识别周期波动的核心指标，主要分为环比增长率与同比增长率。传统Ex ...
2026-09-20 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 ...
2026-09-20CDA数据分析师 出品 作者：李诗怡 STP模型（营销战略三步法） 定义： 现代营销战略核心框架，通过市场细分（S）、目标市场选择（ ...
2026-09-18在互联网产品迭代、运营优化、界面改版与策略升级过程中，主观经验判断容易造成决策偏差、盲目改版、资源浪费等问题。AB实验（AB ...
2026-09-18 很多企业并不缺少指标，缺少的是让指标“串起来、动起来、用起来”的体系。零散指标像散落一地的珠子，指标体系则是那根把珠 ...
2026-09-18
