數據分析基礎知識
2024-10-25 09:23:03 154 0 舉報 0
0
登錄查看完整內容
此心智圖為《數據分析基礎知識》的學習筆記。內容涵蓋統計學儲備、分析語言和工具、演算法原理及數據分析技術知識。從統計學的假設檢驗與參數估計，到R與Python的數據預處理及視覺化，再到分類、回歸等演算法的應用，全面介紹了數據分析的核心概念與實踐方法，為初學者提供了系統的學習框架和實用的技術指導。
作者其他創作
大綱/內容
數據分析基礎知識
統計學儲備
离散分布和连续性分布
假设檢驗
参数檢驗
非参数檢驗
正态性檢驗
分布拟合检验
自己构造假设檢驗：營運活動的顯著性
参数估计方法
极大似然法
矩估计
线性代数
特徵值和特徵向量
矩阵运算的意义
分析語言和工具
R
數據預處理
编写函數：交叉驗證實現函數&牛頓迭代演算法等
視覺化：ggplot2常規圖&機器學習視覺化結果呈現等
機器學習調參
Python
數據預處理
Python數據分析
機器學習演算法實現
視覺化
Python算法结构
爬蟲和自然語言處理
结构化查询语言
按群组&联合
语法顺序和執行順序
Hive優化：排序優化和連接優化等
Hadoop原理和使用经验
編寫執行腳本（Perl和shell）
SPSS、Stata和Eviews等商業分析軟體
演算法原理
類別
分類演算法
回归算法
关联分析
聚类
集成学习
boostrap、bagging等的原理
異同和適用範圍
應用：隨機森林、xgboost等的原理
模型選擇和評估
模型適用情境
模型調參和評估
数据分析技术知识
資料搜集
划定分析维度
各個維度提取指標
數據預處理
格式转换
變數生成
缺失值处理
變數離散化
······
建模分析
測試集/訓練集划分
模型選擇
參數選擇
模型評價
準確率
受试者工作特征曲线和曲线下面积
混淆矩陣
目標函數
······
模型優化和監控
模型後續的適配情況
0 條評論
下一頁
