浅谈数据处理中的相关分析
大数据的发展经历了从因果分析到相关分析的转变。宏观上来讲,如果两个事务存在某种统计学意义上的依赖性就称两者具有相关性。这里我们就简单聊聊各种相关分析的方法。
我们经常会用到的比如计算两个商品的相似度,或计算两个用户之间的相似度,如下图所示,是基于商品的购买行为,来计算两个商品之间的相似程度。我们先基于此例来说明。这里每个商品可以表示成用户购买行为的特征向量,其中1表示此用户购买,0表示此用户未购买。
设商品a的特征向量为向量A, 商品b的特征向量为向量B,那么常用的计算相关性的方法有以下:
Jaccard相关是基于计算集合之间的相似度方法,而Cosine和Pearson都属于积差相关的范畴。通过简单对比,我们看得出A和B的Pearson相关系数就是向量A和B归一化后再计算Cosine相关系数的结果。
如果在某些情况下,我们不需要顾及计算向量中值的相对大小,那么还可以计算等级相关性系数,如Spearman等级相关和Kendall等级相关等。等级相关没有积差相关要求那样严格,相同的情况下,等级相关的精确度要低于积差相关。
如果我们想除去共同噪声的影响,可以选择偏相关分析的方法(在频域上叫偏相干)。其结果与先回归掉噪声再计算相关的结果是一样的。
如果我们的处理对象是时间序列,除了以上谈到的方法外,我们还可以度量频域上的相关性,如使用相干谱分析的方法,如小波相干等。即您可以得到不同时间点不同频率上的线性相关性系数,同时还可以平衡时间和空间上的分辨率。
如果有时间建议大家不妨多做些实验,而且要定期做,因为数据集的变化(稀疏度、噪声等因素)可能导致相似度指标效果的变化。比如对于一个电商平台的商品推荐系统,初期时可能使用方法x效果最好,当用户数逐渐增加,商品越来越丰富,可能方法y效果最好,直到系统越来越复杂,可能这时方法z是最好的了。所以建议定期做些离线试验来选择此时效果最好的方法。
我们常用的如Jaccard相关, Cosine相关,Pearson 相关都是属于线性相关的范畴,复杂的还有非线性相关的方法,如多谱分析,互信息等。但这些在我们电商的场景中很少用到。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在当今数字化时代,数据分析师的重要性与日俱增。但许多人在踏上这条职业道路时,往往充满疑惑: 如何成为一名数据分析师?成为 ...
2025-04-02最近我发现一个绝招,用DeepSeek AI处理Excel数据简直太爽了!处理速度嘎嘎快! 平常一整天的表格处理工作,现在只要三步就能搞 ...
2025-04-01你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12