首页 > 行业图谱 >
- SPSS数据分析—多维偏好分析(MPA)
- 2017-03-13
-
SPSS数据分析—多维偏好分析(MPA)
之前的主成分分析和因子分析中,收集的变量数据都是连续型数值,但有时会碰到分类数据的情况,我们知道最优尺度变换可以对分类变量进行量化处理,如果将这一方法和主 ...
- 机器学习中特征选择概述
- 2017-03-11
-
机器学习中特征选择概述
1. 背景
1.1 问题
在机器学习的实际应用中,特征数量可能较多,其中可能存在不相关的特征,特征之间也可能存在相关性,容易导致如下的后果:
(1) 特征个数越多,分析特征 ...
- 数据科学家的66个工作面试问题
- 2017-03-06
-
数据科学家的66个工作面试问题
我们现在有91个问题。我们还添加了50个新的人 在这里,并开始提供这些问题的答案 在这里。这些都是开放式问题,以评估一个高级职位的高级候选人的技术水平知识,例如 ...
- 聚类分析基础知识总结及实战解析
- 2016-11-28
-
聚类分析基础知识总结及实战解析
聚类分析是没有给定划分类别的情况下,根据样本相似度进行样本分组的一种方法,是一种非监督的学习算法。聚类的输入是一组未被标记的样本,聚类根据数据自身的距离或相似度划分 ...
- SPSS Syntax中的常用函数
- 2016-10-30
-
SPSS Syntax中的常用函数
SPSS函数是一个常用程序(rountine),并且利用一个或多个自变量(参数)来执行。每个SPSS函数均有一个关键名称(keywordname),且绝不能写错。通常,函数的格式为:函数名称(自变量 ...
- 想了解机器学习?你需要知道的十个基础算法
- 2016-08-18
-
想了解机器学习?你需要知道的十个基础算法
毫无疑问,作为人工智能的子领域—机器学习在过去的几年中越来越受欢迎。由于大数据是目前科技行业最热门的趋势,基于大量的数据机器学习在提前预测和做出建议方面有 ...
- 使用sklearn优雅地进行数据挖掘
- 2016-08-17
-
使用sklearn优雅地进行数据挖掘
1 使用sklearn进行数据挖掘
1.1 数据挖掘的步骤
数据挖掘通常包括数据采集,数据分析,特征工程,训练模型,模型评估等步骤。使用sklearn工具可以方便地进行特征工程和模 ...
- 用降维方法解读数据分析
- 2016-07-26
-
用降维方法解读数据分析
随着互联网技术的不断发展,数据呈现出规模大、维度高、结构复杂等特性,人们收集和获得数据的能力也逐渐增强。如何充分利用海量数据、挖掘其中有价值的知识和内容以指导实际生产是科 ...
- 说说你心目中的建模分析师!
- 2022-01-20
-
说到建模分析师,你可能会臆想到的形象是怎样的?数据民工?金融精英?公司牛人?
他的发型可能是:
秃头
无刘海蓬松长发
他的装束大概是:
双肩背包(你的背包,背到现在还没烂)
...
- 大数据探究经济衰退的到来
- 2016-05-06
-
大数据探究经济衰退的到来
当今全球经济风起云涌,全球市场普遍不景气,资本缩水,油价下跌严重,诸多大企业纷纷裁员,一时间经济唱衰的声音越来越多。《大数据文摘--商业与金融专栏》今天刊登一篇全球顶级资本 ...
- 机器学习在电商文本挖掘中的应用浅析
- 2016-04-27
-
机器学习在电商文本挖掘中的应用浅析
电商平台中有海量的非结构化文本数据,如商品描述、用户评论、用户搜索词、用户咨询等。这些文本数据不仅反映了产品特性,也蕴含了用户的需求以及使用反馈。通过深度 ...
- Sas常用函数
- 2016-04-25
-
Sas常用函数
一、数学函数
ABS(x) 求x的绝对值。
MAX(x1,x2,…,xn) 求所有自变量中的最大一个。
MIN(x1,x2,…,xn) 求所有自变量中的最小一个。
MOD(x,y) 求x除以y的余数。
SQRT ...
- 线性判别分析(Linear Discriminant Analysis, LDA)算法分析
- 2016-04-24
-
线性判别分析(Linear Discriminant Analysis, LDA)算法分析
一. LDA算法概述:
线性判别式分析(Linear Discriminant Analysis, LDA),也叫做Fisher线性判别(Fisher Linear&nbs ...
- 因子分析和主成分分析的10大不同
- 2016-04-18
-
每每谈起主成分和因子有啥区别,楼主总是有种心里大概明白,但就是说不清的感觉,终于看到一篇帖子,从十个方面阐述了两者的区别,留作纪念,同时也发给大家做个参考:
1.原理不同
主成 ...
- 一文读懂机器学习!
- 2016-03-21
-
在本篇文章中,我将对机器学习做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解机器学习,并且上手相关的实践。这篇文档也算是EasyPR开发的番外篇,从这里开始,必须对机器学习了解才能进一步介 ...
- LEVEL II数据挖掘全流程_四大专题,皆为大牛!
- 2022-01-20
-
CDA Level Ⅱ:建模分析师。两年以上数据分析岗位工作经验,或通过CDA Level Ⅰ认证半年以上。在政府、金融、电信、零售、互联网、电商、医学等行业专门从事数据分析与数据挖掘的人员。在Leve ...
- 以性别预测为例,谈谈数据挖掘中的分类问题
- 2016-03-02
-
以性别预测为例,谈谈数据挖掘中的分类问题
互联网的迅猛发展,催生了数据的爆炸式增长。面对海量的数据,如何挖掘数据的价值,成为一个越来越重要的问题。本文首先介绍数据挖掘的基本内容,然后按照数据挖掘 ...
- R语言与数据分析:主成分分析
- 2016-01-27
-
R语言与数据分析:主成分分析
作为数据分析师,有很多刚刚接触数据分析师的朋友,还不怎么了解主成分分析,看看这两篇,你就搞懂主成分分析了。
第一篇:主成份分析历史
Pearson于1901年提出,再 ...
- 机器学习算法一览
- 2016-01-18
-
文 | 寒小阳
来源 | CSDN博客
引言
提起笔来写这篇博客,突然有点愧疚和尴尬。愧疚的是,工作杂事多,加之懒癌严重,导致这个系列一直没有更新,向关注该系列的同学们道个 ...
- 七步精通Python机器学习
- 2015-12-23
-
文 | Matthew Mayo译 | 王鹏宇
开始。这是最容易令人丧失斗志的两个字。迈出第一步通常最艰难。当可以选择的方向太多时,就更让人两腿发软了。
从哪里开始?
本文旨在通过七个步 ...