在数据分析方面,人们经常提到数学技能、统计知识或编程技能,每种技能都很难学习,因此往往令人气馁。事实上,一些数据分析方法对数学能力没有那么高的要求,更重要的是,它们有数据分析的思想。接下来,给您分享一下。
　　1.分类分类分析的目标是将一组人(或对象)划分为若干类别,或预测他们属于每个类别的概率。举个例子吧:“京东的哪位用户会在618订购”这是一个典型的两类问题:买还是不买。分类分析(基于历史信息)产生模型,该模型预测新人(或事物)将属于哪个类别,或属于类别的概率。
　　2.回归回归任务的目标是根据某个属性变量给每个人(或对象)一个数字(以衡量他的好坏)。继续举个例子:每个用户在618订购京东多少钱注意,回归和分类之间的区别在于分类输出的结果是几个固定选项之一,并且回归的结果是连续数,并且可能的值是无限的。
　　3.聚类聚类任务的目标是给一组人(或对象),并在不指定目标的情况下查看哪些人(或事物)更近。例子:是否可以为一组用户分成几种类型的购买记录注意聚类与上述分类和回归之间的本质区别:分类和回归将有一个给定的目标(无论是否下订单,贷款违约,房价等),并且聚类没有给定的目标。
　　4.相似匹配类似匹配任务的目标是基于已知数据确定哪些人(或事物)与特定(一批)人(或事物)更相似。例子:了解一群去年在双十一中投入超过1万元的用户,哪些用户与他们相似
　　5.频繁集发现频繁发现剧集的目的是找到经常共同发生的人(或事物)。这是着名的“啤酒和尿布”的一个例子。
　　6.统计(属性、行为、状态)描述统计描述任务的目标是最好的理解:人们在什么状态下做什么状态(或事物)。例子:5月份7天内京东各用户的无条件退货数量统计描述通常是用户欺诈检测。想象一下,用户每月返回100次以上。会是什么情况
　　7.联系预测联系预测的目标是预测应该存在关系的人(或事物)。栗子:你可能知道xxx你可能想看xxx
　　8.数据压缩数据压缩的目的是减小数据集的大小并增加信息密度。栗子:京东想要分析用户对进口巧克力的偏好,筛选掉所有国内的产品。大数据虽然数据越多越好,数据带来更多信息,但噪音也会增加。
　　9.因果分析顾名思义,因果分析的目标是找出事物之间的关系。比如:广告的效果是否有所改善,因为广告内容是好还是传递给更准确的用户数据分析非常强大,但当然有必要使用科学的分析方法在特定情况下产生有价值的结果。
　　干货!大数据分析的九种思维.中琛魔方大数据表示:数据分析非常强大,但当然,在特定情况下,严格的选择假设,使用科学的分析方法来产生有价值的结果。数据说谎的经典例子是安慰剂效应。

---