《深刻淺出數據分析》

一、數據分析總的來講是：認清問題，解決問題

       

二、實驗，（星巴克咖啡店），實驗控制組

三、最優化策略；橡皮鴨和橡皮魚

四、數據圖形化；重要的散點圖

五、假設檢驗，podphone手機明天或下個月會發布麼？最可能何時發佈。爲每一個猜測加權，比較。

六、貝葉斯統計：蜥蜴流感

七、主觀機率，石油投資，利用貝葉斯公式修正主管機率

八、啓發法，快省樹決策樹。

九、直方圖，引入R語言

十、迴歸

• 經過預想加薪和實際加薪，算出迴歸方程，預測加薪，散點圖大法再出。

• 只要能看出兩個變量之間具備密切的關係，只要迴歸線有意義，你就能夠充滿信心地讓軟件計算各個係數。

十一、偏差

• 機會偏差=實際結果與模型預測結果之間的誤差，又稱爲殘差。

• 用均方根偏差（殘差標準差）定量表示殘差分佈。

• 對於先後殘差標準差差距較大能夠將數據分爲兩段分析，分段不宜過多，不然無預測性。

• R語言語句：

  mylm <- lm(a~b,data) #迴歸表達式，~左邊是因變量，右邊是解釋變量。詳見R語言語法
  summary(mylm)$coefficients #係數相關矩陣
  summary(mylm)$sigma #殘差標準差

十二、數據庫

1三、整理數據，正則表達式