数据分析

[目录] 第一章：概述 第二章：整体数据分层 第三章：整体实现框架 第四章：元数据 第五章：ETL 第六章：数据校验 第七章：数据标准化 第八章：去重 第九章：增量/全量 第十章：拉链处理 第十一章：分布式处理增量 第十二章：列式存储 第十...

[目录] 第一章：概述 第二章：整体数据分层 第三章：整体实现框架 第四章：元数据 第五章：ETL 第六章：数据校验 第七章：数据标准化 第八章：去重 第九章：增量/全量 第十章：拉链处理 第十一章：分布式处理增量 第十二章：列式存储 第十...

Scriptis是一款支持在线写SQL、Pyspark、HiveQL等脚本，提交给Linkis执行的数据分析Web工具，且支持UDF、函数、资源管控和智能诊断等企业级特性。 核心特点： 脚本编辑：多语言、自动补全、语法高亮、SQL语法纠错；...

from https://www.cnblogs.com/WoLykos/p/9582920.html 一、数据读取 1、读写数据库数据 读取函数: pandas.read_sql_table(table_name, con, schema...

数据集犹如世界历史状态的快照，能帮助我们捕捉不断变化的事物，而数据可视化则是将复杂数据以简单的形式展示给用户的良好手段(或媒介)。结合个人书中所学与实际工作所学，对数据可视化过程做了一些总结形成本文供各位看客”消遣”...

from https://blog.csdn.net/wang_yi_wen/article/details/17319905 摘要：Gibbs Sampling利用条件概率产生符合分布的样本，用于估计分布的期望，边缘分布；是一种在无法精确...

from http://blog.csdn.net/csqazwsxedc/article/details/52250232 最近在看特征的选择，看到lasso对特征选择不错，下面直接上干货 数据为广州统计年检2015年数据 目标： 1) ...

原文链接：http://www.cnblogs.com/homewch/p/5783073.html 1.简介 　　预测就是借助于对过去的探讨去推测、了解未来。灰色预测通过原始数据的处理和灰色模型的建立，发现、掌握系统发展规律，对系统的未来...

介绍 这篇文章的目的是帮助您开始使用 Apache Zeppelin Notebook，它可以满足您用R做数据科学的需求。Zeppelin 是一个提供交互数据分析且基于Web的笔记本。方便你做出可数据驱动的、可交互且可协作的精美文档，并且支...

from http://www.flyml.net/2016/08/26/reinforce-spark-with-zeppelin-share-your-work/ 0. 前提 如果您还没有搭建Zeppelin，请先阅读上一篇文章《让Sp...

本使用说明教程主要翻译整理自 Prophet 的官方说明文档 教程中使用的数据集可在 Prophet 的 github 主页 中的 examples 文件夹 内下载得到。 Prophet 是 Facebook 推出的开源大规模预测工具，可以...

from 百度文库 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： 主成分分析（Principal compone...

from http://www.cnblogs.com/charlotte77/p/5340336.html 作者 Charlotte77 授权一起大数据网转发。 1.数据分析和数据挖掘联系和区别 联系：都是搞数据的 区别：数据分析偏统计，...

from http://blog.sina.com.cn/s/blog_44befaf60102uzhy.html 王江源的博客 一、主成分分析 （1）问题提出 在问题研究中，为了不遗漏和准确起见，往往会面面俱到，取得大量的指标来进行分析。...

from http://blog.sina.com.cn/s/blog_44befaf601015pqu.html 王江源的博客 一、 概述 Logistic回归主要用于因变量为分类变量（如疾病的缓解、不缓解，评比中的好、中、差等）的回归分...

from http://blog.sina.com.cn/s/blog_44befaf601015kfi.html#cmt_2825090 王江源的博客 1、分析原理 协方差分析是回归分析与方差分析的结合。在作两组和多组均数之间的比较前，用...

来自 http://blog.sina.com.cn/s/blog_44befaf601015jtr.html 王江源的博客 问题： 对小白鼠喂以三种不同的营养素，目的是了解不同营养素增重的效果。采用随机区组设计方法，以窝别作为划分区组的特...

来自 博客园 只有一个自变量和因变量的线性回归称为简单线性回归，但是实际上，这样单纯的关系在现实世界中几乎不存在，万事万物都是互相联系的，一个问题的产生必定多种因素共同作用的结果。 对于有多个自变量和一个因变量的线性回归称为多重线性回归，有...

来自 博客园 在市场研究中，有一种分析是研究消费者态度或偏好，收集的数据是某些对象的评分数据，这些评分数据可以看做是对象间相似性或差异性的表现，也就是一种距离，距离近的差异性小，距离远的差异性大。而我们的分析目的也是想查看这些对象间的差异性...

from http://blog.sina.com.cn/s/blog_7103b28a0102w805.html G-means的思路为：检测一个质心所含的数据看上去是否是高斯的，如果不是就分裂这个簇。G-means能很好地处理stret...