深入浅出数据分析 pdf
内容简介
《深入浅出数据分析》以类似“章回小说”的活泼形式，生动地向读者展现出色的数据分析人员应知应会的技术：数据分析基本步骤、实验方法、优化方法、假设检验方法、贝叶斯统计方法、主观概率法、启发法、直方图法、回归法、误差处理、相关数据库、数据整理技巧；正文之后，意犹未尽地以三篇附录介绍数据分析十大要务、R工具及ToolPak工具，在充分展现目标知识以外，为读者搭建了走向深入研究的桥梁。
作者简介
Michael Milton,将自己的大半职业生涯献给了非盈利机构，帮助这些机构解析和处理，从赞助人那里收集来的数据，提高融资能力。Michael Milton拥有新佛罗里达学院哲学学位及耶鲁大学宗教伦理学学位。多年来，他博览群书，这些书籍虽字字珠玑，却枯燥乏味；蓦然抬首，深入浅出（HeadFirst）系列图书让他眼前一亮，他欣然抓住机会，写出了这本同样字字珠玑，兼振奋人心的书。走出图书馆和书店，人们会看到他在跑步、摄影，以及亲手酿制啤酒。
目录
1 数据分析引言：分解数据
2 实验：检验你的理论
3 最优化：寻找最大值
4 数据图形化：图形让你更精明
5 假设检验：假设并非如此
6 贝叶斯统计：穿越第一关
7 主观概率：信念数字化
8 启发法：凭人类的天性作分析
9 直方图：数字的形状
10 回归：预测
11 误差：合理误差
12 相关数据库：你能关联吗？
13 整理数据：井然有序
附录A 尾声：正文未及的十大要诀
附录B 安装R：启动R！
附录C 安装Excel分析工具：ToolPak
感悟与笔记
一、数据分析的基本流程
确定----分解----评估----决策
确定：确定问题，了解问题；
分解：数据分析总的来说就是分解问题和数据，使其成为更小的组成部分；
评估：这才是分析大餐，在这一步对前两个步骤了解到的情况作出各种结论；
决策：最后，把这些结论重新组合在一起，作出（建议）或一个决策；
你的客户可能：相当了解或不甚了解自己的数据；相当了解或不甚了解自己的问题或目标；相当了解或不甚了解自己的业务；目标明确或优柔寡断；头脑清醒或稀里糊涂；富有直觉或善于分析；如果能够对客户了解越深（问对问题），你的分析越有可能派上用场；
二、务必明确你的心智模型
1、什么是心智模型？
你对外界的假设和你确信的观点就是心智模型；
2、统计模型取决于心智模型：心智模型决定你的观察结果，是你观察现实的棱镜；
3、如果用错了心智模型，分析会胎死腹中；
第二章 验证你的理论
通过做实验来验证你的理论，并且帮助自己做决策； 再没有什么办法能像一个好实验那样，既能解决问题又能揭示事物的真正运行规律。 一个好的实验往往能让你摆脱对观察数据的无限依赖，能帮助你理清因果联系；可靠的实证数据将让你的分析判断更有说服力； 观察分析发充满混杂因素，混杂因素就是研究对象的个人差异它们不是你试图进行比较的因素，最终会导致分析结果的敏感度变差；拆分数据块，管理混杂因素；
第三章 最优化
第五章 证伪法--假设并非如此
一、评估一个事件发生的未来预测，需要把这个事件相关的各种变量间的关系进行圈点，同升同降，关系为“+”，背道而驰，关系为“-”，变量之间可以正相关也可以负相关，尽可能多的发现变量，并标注关系；
二、现实世界中的关系呈网络关系，而非线性关系，线性关系等于直觉；
三、根据网络关系形成假设；
四、假设检验的核心是证伪，请勿试图选出最合理的假设，只需剔除无法证实的假设；
五、进行假设检验时，要使用证伪法，回避满意法；对假设进行评级，不利证据越少的排在越前面；
第六章 贝叶斯统计
哦，这里发现个及其严重的错误，在p180页，计算自己患蜥蜴流感的概率为多少，在文字公式中，应该是在实验结果为阳性的条件下患病概率，而不是为阴性的条件下患病概率;
一、基础概率：统计出总的概率情况；
二、条件概率：一件事发生为前提的另一件事的发生概率。
三、贝叶斯规则（用简单的整数思考复杂的概率）用基础概率和条件概率估计新的条件概率；
四、贝叶斯公式：
第七章 主观概率
将严谨融入直觉的简便办法；
会员免费下载
链接：https://pan.baidu.com/s/15hbhsPhs5tbSdJQFAlavSA
提取码： ****** 查看
成为本站VIP会员即可无限下载。 请先点击百度网盘，看资源是否还在，不在请点击链接通知站长补资源。
资源标签点击标签可查看对应分类的资源
