不用任何公开参考资料，估算今年新生儿出生数量 解答：1）采用两层模型（人群画像人群转化）：新生儿出生数=Σ各年龄层育龄女性数量各年龄层生育比率 2）从数字到数字：如果有前几年新生儿出生数量数据，建立时间序列模型（需要考虑到二胎放开的突变事件）进行预测 3）找先兆指标，如婴儿类用品的新增活跃用户数量X表示新生儿家庭用户。Xn/新生儿n为该年新生儿家庭用户的转化率，如X2007/新生儿2007位为20
转载
2023-08-21 09:13:32
633阅读
当我们谈论IT服务管理（ITSM）世界中的大数据时，这里有两个非常不同的概念： • IT为业务提供的大数据工具/服务：对关键的业务运营数据进行数据索引。 • IT运营中的大数据：处理和利用复杂的IT运营数据。大数据中的业务运营服务在竞争日益激烈，数据驱动的世界中，企业管理者都在寻找能够有效管理和解释业务数据（尤其是大数据）的方法。数字化的业务操作，如：电子商务网站和银行移动APP，它们产生了大量的
转载
2023-10-03 08:52:17
206阅读
1.数据分析方法分类业务数据分析师（对数学建模的要求较低）、数据挖掘（对业务与数学建模的要求较高）、大数据分析（需要一定的编程能力）。层层进阶2.职位进阶3.数据分析结果数据可视化4.数据分析的流程在业务理解中要多问问题，了解需求，知道问题的核心。可以看书籍《学会提问》。5. 围绕数据分析师的三大类工作内容
原创
2022-04-15 21:35:17
1588阅读
大数据技术和数据分析有什么关系大数据经过多年发展形成了一个完整的产业链和技术链，大数据的产业链是围绕技术链来打造的，而大数据的技术链则围绕数据价值化这个中心来展开，涉及到数据的采集、存储、安全、分析、呈现和应用，那么大数据技术和数据分析有什么关系呢?1、从大数据的技术链来看：数据分析是其中的重要一环，也是目前大数据价值化的核心环节，所以很多人也把大数据就理解为数据分析了。虽然数据分析比较重要，但是
转载
2024-01-13 20:01:43
252阅读
对于一个ML问题，解决思路通常是：拿到数据后怎么了解数据(可视化) 选择最贴切的机器学习算法 定位模型状态(过/欠拟合)以及解决方法 大量极的数据的特征分析与可视化 各种损失函数(loss function)的优缺点及如何选择首先拿到数据要进行***数据分析***数据准备->数据清洗->数据重构->数据分析 典型的重构就是归一化可以利用降维算法来实现数据的处理，用更少的特征描述原
转载
2023-08-31 13:00:09
393阅读
究竟什么是数据分析师？其定位和价值是什么？近年来互联网经济的蓬勃发展可谓给数据大规模累积提供了沃土，专家大拿们对大数据技术与应用的讨论和研究热度不减，对数据中隐含的深层价值及其应用的重视程度越来越高，更多人开始注重视量化分析、科学及高效地决策，这个过程中越来越多的企业就产生了对专业化的分析人才的需求。简单通用地讲，数据分析师是一类能够在建立明确分析目标基础上对数据进行搜集、加工、分析并挖掘出有价值
转载
2023-11-17 19:14:06
265阅读
注：部分文字来自官网，感觉翻译过来就变味了，所以直接上英文了。 谷歌分析(Google Analytics,以下简称GA)，按我的理解就是谷歌提供的一个数据分析统计的平台。 GA除了进行传统的网页统计之外，现在也支持对移动应用的统计和分析了， Google Analytics 发布的
当所要分析的样本特征过多时，我们可以采用主成分分析即PCA（principal component analysis）对数据进行降维和可视化。代码引自《python机器学习》PCA算法及其实现PCA算法的步骤如下： 1）对原始维数据集做标准化处理。 2）构造样本的协方差矩阵。 3）计算协方差矩阵的特征值和相应的特征向量。 4）选择与前个最大特征值对应的特征向量，其中为新特征空间的维度。 5）通过前
转载
2024-02-03 22:52:10
122阅读
做RFM分析的时候要知道RFM分析的数据格式有两种： 一种是交易数据，也就是每次交易占用一行，关键变量是客户ID、交易日期和交易金额； 另一种是客户数据，就是每个客户占用一行，关键变量是客户ID、交易金额、交易次数和最近交易日期。为了保证数据的准确性，建议采用交易数据格式进行分析，实际上交易数据是可以整理成为客户数据的，而客户数据是无法还原为交易数据的。我从我们后台导出来的就是客户数据，我这里
转载
2023-10-24 00:04:35
163阅读
简介二代测序最常用的质量评估软件是FastQC，多样本时可进一步结合MultiQC。此外速度超快的fastp也特别推荐，而且包括质量评估、质量控制等功能，可以说是国产软件之光，详见下方详细教程：数据的质量控制软件——FastQC整合QC质控结果的利器——MultiQC极速的FASTQ文件质控+过滤+校正fastp三代纳米孔(Nanopore)测序数据与二代Illumina测序数据相比，具有读长更长
转载
2023-07-14 17:36:45
478阅读
相关性分析散点图矩阵初判多变量间关系，两两数据之间的，比如说4个数据ABCD，就有12个比较，第一个参数和第二个参数，第一个参数和第三个参数，.......这个图就是正态分布的几个参数，就没有任何的相关性 相关性分析
分析连续变量之间的线性相关程度的强弱
图示初判 / Pearson相关系数（皮尔逊相关系数） / Sperman秩相关系数（斯皮尔曼相关系数）
1
转载
2024-01-11 12:33:35
143阅读
数聚智慧决策门户SDP （Smart Decision Platform）是企业级的商业智能数据门户，以信息的民主与集中来改善企业的管理水平，保护企业已有报表与数据分析资产。SDP通过兼容开放的特性、灵活的用户权限配置、便捷的报表访问体验以及高效的互动交流方式，实现企业报表的高度集成、权限管控与协同共享。 数聚智慧决策门户是数聚公司在总结了为多家著名企业实施商业智能BI（Business I
转载
2024-02-06 07:11:11
67阅读
数据分析一、数据分析——基础1.什么是数据分析1.1数据分析的概念1.2数据分析的应用1.3数据分析方法1.3.1对比分析1.3.2同比分析1.3.3环比分析1.3.4 80/20分析1.3.5 回归分析1.3.6 聚类分析1.3.7时间序列分析1.4数据分析工具1.5数据分析流程二、数据分析——numpy2.1numpy概述2.1.1numpy介绍2.2数据预处理2.2.1数据读写2.2.1.
转载
2023-09-11 17:38:48
43阅读
统计杂碎记录PS: 记录一些自己平时遇到的数理统计概念，持续更新中，后续补充学习1. nested random intercept effects 建议参考：Visualizing Nested and Cross Random Effects2. 方差膨胀因子Variance Inflation Factor (VIF) 这个概念呢其实在做PCA, RDA或者其它类似的分析时可能会用到。 首先
转载
2023-12-22 22:15:08
148阅读
1. 设备型号TF20 场发射透射电镜，配备能谱仪2.原理TEM(Transmission Electron Microscope， 透射电子显微镜) 具有较高的分辨率是半导体失效分析领域最常用的仪器之一，其以高能电子束作为光源，用电磁场作透镜，将经过加速和聚集的电子束投射到非常薄的样品上，电子和样品中的原子因碰撞改变方向，从而产生立体角散射。散射角的大小与样品的密度、厚度相关，因此可以
转载
2023-12-19 15:14:18
162阅读
一个完整的数据分析流程，应该包括以下几个方面，建议收藏此图仔细阅读。（注：图保存下来，查看更清晰） 作为数据分析师，无论最初的职业定位方向是技术还是业务，最终发到一定阶段后都会承担数据管理的角色。因此，一个具有较高层次的数据分析师需要具备完整的知识结构。1. 数据采集了解数据采集的意义在于真正了解数据的原始面貌，包括数据产生的时间、条件、格式、内容、长度、限制条件等。这会帮助数据分析师更
转载
2023-08-24 14:56:23
213阅读
诸葛从以下几个方面入手，什么是数据分析，怎么做数据分析，为什么要做数据分析，如何才能做得更好。 1.什么是数据分析 所谓数据分析就是将产品相关的数据收集整合，然后利用特定的方法去分析这些数据，从中发现规律或是得到结论。 这些特定的方法可以包括专业的统计学、数学建模等，也可以从数据的维度和广度出发，数据收集或对比、总结相似数据的相同性、异常数据出现的可能原因，这
转载
2023-11-17 21:37:01
150阅读
数据分析之MySQL学习参考课程：戴师兄数据分析原始幕布格式笔记：戴师兄数据分析启蒙课：SQL基础语法+运行原理+云端数据库搭建.opml，提取码: jb27基础语法语法结构：select--from--where--group by--having--order by--limit运行顺序：from--where--group by--having--order by--limit--selec
转载
2023-09-21 14:20:23
189阅读
时间序列一、定义二、构成要素三、时间序列预测模型3.1 指数平滑法3.2 ARIMA模型3.3霍尔特-温特模型 一、定义时间序列（或称动态数列） 是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。时间序列分析的主要目的是根据已有的历史数据对未来进行预测。经济数据中大多数以时间序列的形式给出。根据观察时间的不同，时间序列中的时间可以是年份、季度、月份或其他任何时间形式。二、构成要素1）
转载
2023-08-11 20:43:33
247阅读
二、数据预处理—数据清洗及特征处理我们拿到的数据通常是不干净的，所谓的不干净，就是数据中有缺失值，有一些异常点等，需要经过一定的处理才能继续做后面的分析或建模，所以拿到数据的第一步是进行数据清洗，本章将学习缺失值、重复值、字符串和数据转换等操作，将数据清洗成可以分析或建模的样子。1、缺失值观察、检索与处理载入库与数据1.1、观察：查看每一个特征缺失值的个数#方法一
pd.info()#方法二
df
转载
2024-08-26 00:02:59
108阅读
