监督学习：技术和应用

CDA数据科学研究院 CDA考试中心 CDA网校企业服务

CDA社区

CDA竞赛 CDA技术答疑 CDA会员职业咨询

关于CDA APP下载

全国热线4000-51-9191

首页

课程中心

CDA数据分析周末就业班2026 CDA数据分析脱产就业班2026 CDA敏捷算法建模周末班

CDA 商业数据分析 LEVEL Ⅰ 实操班 CDA 商业策略分析 LEVEL Ⅱ 集训营 CDA 机器学习与深度学习 LEVEL Ⅲ 集训营

职业路径

直播公开课

认证考试

企业内训

CDA社区

CDA竞赛 CDA技术答疑 CDA会员 scikit-learn中文社区职业咨询求职招聘能力测试

产品

大数据与人工智能实验室 CDA网校

证书查询

免密码登录

提交首次登录验证后自动注册

1 2 3 4 5 6 7 8 9 10 ..13 2/13

【CDA干货】聚类分析与主成分分析（PCA）核心区别全解析：从原理到实操，避免用错模型: 2026-02-24; 在数据分析、机器学习的实操场景中，聚类分析与主成分分析（PCA）是两种高频使用的统计与数据处理方法。二者常被用于数据预处理、特征挖掘，但很多从业者容易将其混淆——要么用聚类分析替代主成分分析做降维，要么 ...

CDA数据分析师实战：决策树分析的业务应用与落地指南: 2026-01-20; 在CDA（Certified Data Analyst）数据分析师的工作场景中，“精准分类与回归预测”是高频核心需求——比如预测用户是否流失、判断交易是否存在欺诈风险、评估客户授信等级等。决策树（Decision Tree）作为经典的监督 ...

CDA数据分析师实战：聚类分析的业务应用与落地指南: 2026-01-19; 在CDA（Certified Data Analyst）数据分析师的日常工作中，常面临“无标签高维数据难以归类、群体规律模糊”的痛点——比如海量用户行为数据无明确分层标签、产品属性数据无法快速定位同类群体、市场调研数据难以识 ...

【CDA干货】数学界中的统计学高级算法：原理、应用与价值: 2025-12-26; 统计学作为数学的重要分支，是连接数据与决策的桥梁。随着数据规模的爆炸式增长和复杂问题的涌现，传统统计方法已难以应对高维、非线性、异构数据的分析需求。数学界由此衍生出一系列统计学高级算法，这些算法以深厚 ...

【CDA干货】数据降维与分组的“三叉戟”：析因、聚类与主成分分析的异同解析: 2025-12-18; 在数据科学的工具箱中，析因分析（Factor Analysis, FA）、聚类分析（Clustering Analysis）与主成分分析（Principal Component Analysis, PCA）是处理高维数据的“核心三叉戟”。它们均能从复杂数据中提取关键信息 ...

【CDA干货】机器学习分类模型：从原理到实战的完整指南: 2025-11-06; 在机器学习领域，“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别（是 / 否）” 到 “疾病诊断（良性 / 恶性）”，从 “客户流失预测（流失 / 留存）” 到 “图像分类（猫 / 狗 / 汽车）” ...

CDA 数据分析师：决策树分析实战指南 —— 可解释性建模与业务规则提取核心工具: 2025-11-06; 在 CDA（Certified Data Analyst）数据分析师的工作中，“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户是否流失并明确流失原因”“判断客户是否办理贷款并提炼审批规则”。这类问题需要模型 ...

CDA 数据分析师：聚类分析实战指南 —— 无监督分组与精准业务运营的核心工具: 2025-11-04; 在 CDA（Certified Data Analyst）数据分析师的工作中，“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值、潜力、一般用户”“将商品按销售表现归类为爆款、平销、滞销品”。这类问题缺乏明确 ...

【CDA干货】Excel 辅助 K-Means 聚类实操手册: 2025-10-29; 这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是：Excel 透视图本身无法直接执行聚类分析，它是 “数据汇总与可视化工具”，而聚类分析是需要算法 ...

【CDA干货】神经网络与卡尔曼滤波的融合：突破传统局限的智能状态估计技术: 2025-10-23; 在工业控制、自动驾驶、机器人导航、气象预测等领域，“状态估计” 是核心任务 —— 即从含噪声的观测数据中，精准推断系统的真实状态（如无人机的位置与速度、化工反应釜的温度与压力、汽车的行驶轨迹）。卡尔曼滤 ...

【CDA干货】机器学习特征重要性分析：原理、实战与业务落地指南: 2025-10-11; 在机器学习建模流程中，“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模型效率，更能揭示 “哪些因素真正影响目标结果”（如用户流失的核心原因、房价波动的关 ...

【CDA干货】Excel 能做聚类分析吗？基础方法、进阶技巧与场景边界: 2025-09-29; Excel 能做聚类分析吗？基础方法、进阶技巧与场景边界在数据分析领域，聚类分析是 “无监督学习” 的核心技术 —— 无需预设分类标签，通过数据自身的相似性将样本划分为若干组（聚类），广泛用于客户分群、产品归 ...

【CDA干货】人工智能重塑工程质量检测：核心应用、技术路径与实践案例: 2025-09-24; 人工智能重塑工程质量检测：核心应用、技术路径与实践案例工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一道防线”。传统检测模式依赖人工肉眼观察、手持设备采样、破坏性试验，存在效率低（如 ...

CDA 数据分析师：以六大分析方法构建数据驱动业务的核心能力: 2025-09-05; CDA 数据分析师：以六大分析方法构建数据驱动业务的核心能力在数据驱动决策成为企业共识的当下，CDA（Certified Data Analyst）数据分析师不仅是 “数据搬运工”，更是 “业务问题解决者”。其核心竞争力的关键，在 ...

【CDA干货】K-S 曲线、回归与分类：数据分析中的重要工具: 2025-08-07; K-S 曲线、回归与分类：数据分析中的重要工具在数据分析与机器学习领域，K-S 曲线、回归和分类是三个核心概念与工具，它们各自承担着不同的角色，又在实际应用中相互关联、协同作用，共同为数据解读、预测和决策 ...

【CDA干货】鸢尾花判别分析：机器学习中的经典实践案例: 2025-07-29; 鸢尾花判别分析：机器学习中的经典实践案例在机器学习的世界里，有一个经典的数据集如同引路明灯，为无数初学者打开了模式识别与分类算法的大门，它就是鸢尾花数据集。鸢尾花判别分析不仅是机器学习入门的绝佳案例 ...

【CDA干货】统计学模型：解锁数据背后的规律与奥秘: 2025-06-20; 统计学模型：解锁数据背后的规律与奥秘在数据驱动决策的时代，统计学模型作为挖掘数据价值的核心工具，发挥着至关重要的作用。从经济趋势预测到医疗诊断辅助，从市场营销策略制定到社会现象分析，统计学模型能 ...

CDA 培训：开启数据分析师职业大门的钥匙: 2025-06-18; CDA 培训：开启数据分析师职业大门的钥匙在大数据时代，数据分析师已成为各行业竞相争夺的关键人才。CDA（Certified Data Analyst）认证作为全球广泛认可的数据分析师专业认证，其培训体系也备受瞩目。无论是 ...