Conoscenza di analisi dei dati
2024-10-25 09:23:04 0 Rapporto
Accedi per visualizzare il contenuto completo
Questa mappa mentale esplora la 'Conoscenza di analisi dei dati', un campo cruciale per la comprensione e l'applicazione delle tecniche di analisi. Include nozioni di base come riserve statistiche, verifica d'ipotesi e metodi di stima dei parametri. Inoltre, esamina strumenti e linguaggi come R, Python e SQL, essenziali per la pre-elaborazione e visualizzazione dei dati, nonché per l'implementazione di algoritmi di machine learning. La mappa copre anche la selezione e valutazione dei modelli, l'analisi di modellazione e le tecniche di ottimizzazione, fornendo una panoramica completa delle competenze necessarie per l'analisi dei dati.
Altre opere dell'autore
Schema/Contenuto
Nozioni di base sull'analisi dei dati
Riserve statistiche
Distribuzioni discrete e continue
Verifica d'ipotesi
Verifica dei parametri
test non parametrico
Test di normalità
Test di adattamento della distribuzione
Costruisci la tua ipotesi di verifica: la significatività dell'attività operativa
Metodi di stima dei parametri
Metodo della massima verosimiglianza
stima di Gauss
Algebra lineare
Valori propri e vettori propri
Il significato delle operazioni matriciali
Analisi del linguaggio e degli strumenti
R
Pre-elaborazione dei dati
Scrivi la funzione: implementazione della cross-validation & algoritmo di Newton e iterativo
Visualizzazione: grafici comuni di ggplot2 & risultati della visualizzazione dell'apprendimento automatico
Regolazione dei parametri di apprendimento automatico
Python
Pre-elaborazione dei dati
Analisi dei dati Python
Implementazione di algoritmi di machine learning
Visualizzazione
Strutture di algoritmi Python
Ragni e elaborazione del linguaggio naturale
SQL
gruppo per &unione
Ordine grammaticale e ordine di esecuzione
Hive ottimizzazione: ottimizzazione dell'ordinamento e dell'unione
Principi e esperienza di utilizzo di Hadoop
Scrivere script di esecuzione (Perl e shell)
SPSS, Stata e Eviews sono software di analisi commerciale
Principi dell'algoritmo
Categoria
Algoritmi di classificazione
Regressione algoritmo
Analisi dell'associazione
raggruppamento
Apprendimento integrato
principi di boostrap, bagging e così via
Differenze e ambiti di applicazione
Applicazione: principi di Random Forest, xgboost e così via.
Selezione e valutazione dei modelli
Scenario di applicazione del modello
Modellazione e valutazione dei parametri
Conoscenza tecniche di analisi dei dati
Raccolta dei dati
Definire le dimensioni di analisi
Estraggo indicatori da ogni dimensione
Pre-elaborazione dei dati
Conversione di formato
Variabile generazione
Trattamento dei valori mancanti
Discretizzazione delle variabili
······
analisi di modellazione
Suddivisione tra set di test e set di training
Modello di selezione
Scelta dei parametri
Valutazione del modello
Precisione
ROC e AUC
Matrice di confusione
funzione obiettivo
······
Ottimizzazione e monitoraggio del modello
La situazione di adattamento del modello successivo
Raccogliere
Raccogliere
Raccogliere
Raccogliere
0 Commenti
Pagina successiva
Consigliato per te
Vedi altro
