人人都应该掌握的9种数据分析思维
说到数据分析,啤酒和尿布的例子大家应该都听腻了。再具体、深入一些的内容,往往因为数学就令很多人望而却步了。给大家分享9个不带数学推导的数据分析思路,希望大家能喜欢~
1.分类
分类分析的目标是:给一批人(或者物)分成几个类别,或者预测他们属于每个类别的概率大小。
举个栗子:“京东的用户中,有哪些会在618中下单?”这就是个典型的二分类问题:买or不买。
分类分析(根据历史信息)会产出一个模型,来预测一个新的人(或物)会属于哪个类别,或者属于某个类别的概率。结果会有两种形式:
形式1:京东的所有用户中分为两类,要么会买,要么不会买。
形式2:每个用户有一个“会买”,或者“不会买”的概率(显然这两个是等效的)。“会买”的概率越大,我们认为这个用户越有可能下单。
如果为形式2画一道线,比如0.5,大于0.5是买,小于0.5是不买,形式2就转变成形式1了。
2.回归
回归任务的目标是:给每个人(或物)根据一些属性变量来产出一个数字(来衡量他的好坏)。
举个栗子:每个用户在618会为京东下单多少钱的?
注意回归和分类的区别在:分类产出的结果是 固定的几个选项之一 ,而 回归的结果是连续的数字,可能的取值是***多的 。
3.聚类
聚类任务的目标是:给定一批人(或物),在不指定目标的前提下,看看哪些人(或物)之间更接近。
注意聚类和上面的分类和回归的本质区别:分类和回归都会有一个给定的目标(是否下单,贷款是否违约,房屋价格等等),聚类是没有给定目标的。
举个栗子:给定一批用户的购买记录,有没有可能分成几种类型?(零食狂魔,电子爱好者,美妆达人……)
4.相似匹配
相似匹配任务的目标是:根据已知数据,判断哪些人(或物)跟特定的一个(一批)人(或物)更相似。
举个栗子:已知一批在去年双十一下单超过10000元的用户,哪些用户跟他们比较相似?
5.频繁集发现
频繁集发现的目标是:找出经常共同出现的人(或物)。这就是大名鼎鼎的“啤酒和尿布”的例子了。这个例子太容易扩展,就不再举栗子啦。
6.统计(属性、行为、状态)描述
统计描述任务的目标是***理解的:具有哪些属性的人(或物)在什么状态下做什么什么事情。
举个栗子:5月份一个月内每个用户在京东7天内无条件退货的次数
统计描述常常用户欺诈检测,试想一个用户一个月退货100+次,这会是一种什么情况?
7.连接预测
连接预测的目标是:预测本应该有联系(暂时还没有)的人(或物)。
举个栗子:你可能认识xxx?你可能想看xxx?
8.数据压缩
数据压缩的目的是:减少数据集规模,增加信息密度。
举个栗子:豆瓣想分析用户关于国外电影的喜好,讲国内电影的评分数据都排除掉
大数据,也不是数据越多越好,数据多带来的信息多,但是噪声也会变多。
9.因果分析
顾名思义,因果分析的目标是:找出事物间相互影响的关系。
举个栗子:广告的效果提升的原因是广告内容好?还是投放到了更精准的用户?
这里最常见的手段就是A/B test啦
数据分析是非常强大的,不过当然还是要在具体的情景下,严格的选择假设,采用科学的分析方法才能产出有价值的结果。数据会说谎的经典案例就是“安慰剂效应”了。以后会分享其他更具体的内容,欢迎大家留言吐槽,一起学习~
相关文章
- HttpRunnerManager 接口自动化测试平台 搭建实践
- 实战:第一章:防止其他人通过用户的url访问用户私人数据
- 如何让WordPress的所有请求只需要通过Nginx处理,不经过PHP和Mysql,从而加快站点访问速度?
- 超详细 BEV 感知技术研究综述、BEV 感知实用工具箱Toolbox 及相关数据集分享
- GEO数据挖掘代码1(从geo下载数据)
- 袋鼠云产品功能更新报告04期丨2023年首次,产品升级“狂飙”
- socket到底是什么?
- 为什么我在公司里访问不了家里的电脑?
- 【ES三周年】高效搜索引擎ElasticSearch介绍
- 对无限级分类数据进行重新排序(非树形结构)
- E往无前 | 海量数据ES 扩展难?腾讯云大数据ES 扩展百万级分片也“So Easy~”
- 使用 PAR2 为数据纠错恢复
- 【ES三周年】ES元信息
- NLP自然语言处理—主题模型LDA案例:挖掘人民网留言板文本数据|附代码数据
- 【视频】风险价值VaR原理与Python蒙特卡罗Monte Carlo模拟计算投资组合实例|附代码数据
- 【视频】CNN(卷积神经网络)模型以及R语言实现回归数据分析|附代码数据
- R语言用逻辑回归、决策树和随机森林对信贷数据集进行分类预测|附代码数据
- 支持向量回归SVR拟合、预测回归数据和可视化准确性检查实例|附代码数据
- 【ES三周年】Elasticsearch 索引速度评估与调优
- ? MySQL通用查询日志 general query log 详解