工具箱 - 第11页 - 数据分析

如何使用线性回归分析来预测发电厂的发电量

在这篇文章中，我将会教大家如何通过拟合一个线性回归模型来预测联合循环发电厂（CCPP）的发电量。这个数据集则来自于UCI Machine Learning Repository。这个数据集包含5列，也...

南霁月05月29日 12,355 阅读发表评论

含有x和y这两个变量的线性回归是所有回归分析中最常见的一种；而且，在描述它们关系的时候，也是最有效、最容易假设的一种模型。然而，有些时候，它的实际情况下某些潜在的关系是非常复杂的，不是二元分析所能解决...

南霁月05月26日 4,405 阅读发表评论

OK, 这些步骤不是那么简单。但是，它们都是可操作的，并且大多数步骤都是免费或者花钱很少，只是要你投入时间。首先，什么是数据科学家？数据科学，是一个多学科知识的交集，甚至包括黑客技巧。数据科学家，...

南霁月05月24日 2,231 阅读发表评论

数据科学是一个广阔的领域。我自认是一个数据科学家，但和另外一批数据科学家又有很多的不同。数据科学家通常分为统计科学家和数据工程师两个阵营，而我正处于第二阵营。统计科学家使用交互式的统计工具(比如R)...

南霁月05月24日 4,179 阅读发表评论

Hadoop是一个由Apache基金会所开发的开源分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序，充分利用集群的威力进行高速运算和存储。Hadoop得以在大数据处理应用中广...

南霁月05月23日 3,222 阅读发表评论

所谓数据可视化是对大型数据库或数据仓库中的数据的可视化，它是可视化技术在非空间数据领域的应用，使人们不再局限于通过关系数据表来观察和分析数据信息，还能以更直观的方式看到数据及其结构关系。数据可视化技...

南霁月05月23日 4,189 阅读发表评论

统计学中离群值被定义为离开大部分观测较远的样本点，多数是由于测量误差而产生。因此，数据分析中离群值的识别和移除（如有必要）是很重要的一个步骤。鉴定离群值的方法有很多种，包括基于标准差的方法和基于四分...

南霁月05月21日 4,293 阅读发表评论

一切都是从一个故事开始的：1650年，斯德哥尔摩街头，一个宁静的午后，笛卡尔邂逅了18岁的瑞典公主克里斯汀。机遇巧合，一段纯粹、美好的爱情悄然萌发。然而，没过多久，他们的恋情传到了国王的耳朵里。国王大...

南霁月05月20日 5,313 阅读发表评论

学习Machine Learning也有很长一段时间了，前段时间在paper中应用了GTB（Gradient Tree Boosting）算法。在我的数据集上GTB的performance比Rando...

南霁月05月18日 4,868 阅读发表评论