
人人都應(yīng)該掌握的9種數(shù)據(jù)分析方法
說到數(shù)據(jù)分析,首先,我們要知道,什么叫數(shù)據(jù)分析。其實(shí)從數(shù)據(jù)到信息的這個(gè)過程,就是數(shù)據(jù)分析。數(shù)據(jù)本身并沒有什么價(jià)值,有價(jià)值的是我們從數(shù)據(jù)中提取出來的信息。啤酒和尿布的例子大家應(yīng)該都聽膩了。再具體、深入一些的內(nèi)容,往往因?yàn)閿?shù)學(xué)就令很多人望而卻步了。數(shù)據(jù)分析師給大家分享9個(gè)不帶數(shù)學(xué)推導(dǎo)的數(shù)據(jù)分析方法,希望大家能喜歡~來一起學(xué)習(xí)數(shù)據(jù)分析方法吧!
1.分類
分類分析的目標(biāo)是:給一批人(或者物)分成幾個(gè)類別,或者預(yù)測他們屬于每個(gè)類別的概率大小。
舉個(gè)栗子:“京東的用戶中,有哪些會在618中下單?”這就是個(gè)典型的二分類問題:買or不買。
分類分析(根據(jù)歷史信息)會產(chǎn)出一個(gè)模型,來預(yù)測一個(gè)新的人(或物)會屬于哪個(gè)類別,或者屬于某個(gè)類別的概率。結(jié)果會有兩種形式:
形式1:京東的所有用戶中分為兩類,要么會買,要么不會買。
形式2:每個(gè)用戶有一個(gè)“會買”,或者“不會買”的概率(顯然這兩個(gè)是等效的)?!皶I”的概率越大,我們認(rèn)為這個(gè)用戶越有可能下單。
如果為形式2畫一道線,比如0.5,大于0.5是買,小于0.5是不買,形式2就轉(zhuǎn)變成形式1了。
2.回歸
回歸任務(wù)的目標(biāo)是:給每個(gè)人(或物)根據(jù)一些屬性變量來產(chǎn)出一個(gè)數(shù)字(來衡量他的好壞)。
舉個(gè)栗子:每個(gè)用戶在618會為京東下單多少錢的?
注意回歸和分類的區(qū)別在:分類產(chǎn)出的結(jié)果是固定的幾個(gè)選項(xiàng)之一,而回歸的結(jié)果是連續(xù)的數(shù)字,可能的取值是無限多的。
3.聚類
聚類任務(wù)的目標(biāo)是:給定一批人(或物),在不指定目標(biāo)的前提下,看看哪些人(或物)之間更接近。
注意聚類和上面的分類和回歸的本質(zhì)區(qū)別:分類和回歸都會有一個(gè)給定的目標(biāo)(是否下單,貸款是否違約,房屋價(jià)格等等),聚類是沒有給定目標(biāo)的。
舉個(gè)栗子:給定一批用戶的購買記錄,有沒有可能分成幾種類型?(零食狂魔,電子愛好者,美妝達(dá)人……)
4.相似匹配
相似匹配任務(wù)的目標(biāo)是:根據(jù)已知數(shù)據(jù),判斷哪些人(或物)跟特定的一個(gè)(一批)人(或物)更相似。
舉個(gè)栗子:已知一批在去年雙十一下單超過10000元的用戶,哪些用戶跟他們比較相似?
5.頻繁集發(fā)現(xiàn)
頻繁集發(fā)現(xiàn)的目標(biāo)是:找出經(jīng)常共同出現(xiàn)的人(或物)。這就是大名鼎鼎的“啤酒和尿布”的例子了。這個(gè)例子太容易擴(kuò)展,就不再舉栗子啦。
6.統(tǒng)計(jì)(屬性、行為、狀態(tài))描述
統(tǒng)計(jì)描述任務(wù)的目標(biāo)是最好理解的:具有哪些屬性的人(或物)在什么狀態(tài)下做什么什么事情。
舉個(gè)栗子:5月份一個(gè)月內(nèi)每個(gè)用戶在京東7天內(nèi)無條件退貨的次數(shù)
統(tǒng)計(jì)描述常常用戶欺詐檢測,試想一個(gè)用戶一個(gè)月退貨100+次,這會是一種什么情況?
7.連接預(yù)測
連接預(yù)測的目標(biāo)是:預(yù)測本應(yīng)該有聯(lián)系(暫時(shí)還沒有)的人(或物)。
舉個(gè)栗子:你可能認(rèn)識xxx?你可能想看xxx?
8.數(shù)據(jù)壓縮
數(shù)據(jù)壓縮的目的是:減少數(shù)據(jù)集規(guī)模,增加信息密度。
舉個(gè)栗子:豆瓣想分析用戶關(guān)于國外電影的喜好,講國內(nèi)電影的評分?jǐn)?shù)據(jù)都排除掉
大數(shù)據(jù),也不是數(shù)據(jù)越多越好,數(shù)據(jù)多帶來的信息多,但是噪聲也會變多。
9.因果分析
顧名思義,因果分析的目標(biāo)是:找出事物間相互影響的關(guān)系。
舉個(gè)栗子:廣告的效果提升的原因是廣告內(nèi)容好?還是投放到了更精準(zhǔn)的用戶?
這里最常見的手段就是A/Btest啦,大家肯定都不陌生。
相信大家已經(jīng)掌握了基礎(chǔ)的數(shù)據(jù)分析方法,按照這個(gè)思路可以多做一些練習(xí),就能熟練應(yīng)用了。
生活中我們每天都在產(chǎn)生數(shù)據(jù),數(shù)據(jù),讓一切有跡可循,讓一切有源可溯。數(shù)據(jù)分析是非常強(qiáng)大的,不過當(dāng)然還是要在具體的情景下,嚴(yán)格的選擇假設(shè),采用科學(xué)的分析方法才能產(chǎn)出有價(jià)值的結(jié)果。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11