谈到数据分析,往往都会提到数学能力、统计学知识或者编程能力等等,每一个都是学习起来颇具难度的技能,因此常常使人觉得气馁。事实上,一些数据分析的方法并非对数学能力等等有着如此高的要求,更重要的是具备数据分析的思路。接下来,DataFocus数据分析团队将来给您分享一下。

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。

https://timgsa.baidu.com/timg?image&quality=80&size=b9999_10000&sec=1553149155484&di=da9545ac71fc45b44eed0d0cce0222de&imgtype=0&src=http%3A%2F%2Ffile.elecfans.com%2Fweb1%2FM00%2F68%2F09%2Fo4YBAFvATjaACRD-AAOD6bZlBI8876.png
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?

daping-08
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。

标签: , , , ,
版权声明:除非注明,否则均为DataFocus企业大数据分析系统 原创文章,转载请以链接形式标明本文地址。否则将追究法律责任。
转载请注明来源:https://www.datafocus.ai/20814.html
上一篇:
下一篇: