本文主要是介绍CDA二级(Level II)数据分析师——考试内容梳理四,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
定额抽样不属于概率抽样 、类型抽样就是分群抽样;
在假设检验中,两类错误的概率相加后不等于1,
在样本量增大的条件下,两类错误的概率可以同时减小,
通常控制第一类错误
的概率 ;(去真
)
假设检验使用的是反证法,即先提出一个关于总体参数的假设,然后用样本数据来检验这个假设是否可能为真;
在假设检验中,左侧检验为>=,右侧检验为<=,指原假设
;
区间估计是使用顺推法
,即先不对总体参数提出具体假设,而是基于样本统计量来估计总体参数可能存在的区间;
假设在T分布下,实际算出来的统计量的值为2.75,P=T.DIST(2.75:2:TRUE)
P值的实质是当前的临界点与分布曲线所围城的曲线面积,求累积分布
;
在大样本(n)下进行某列(A)均值的区间估计,点估计值为α,显著性水平为0.05,
Z0.025为给定的显著性水平下的正太分布的临界值:
EXCEL计算:α±Z0.025*STDEV.S(A:A)/(AQRT(n),大样本为n小样本为n-1
区间估计的结果为点估计的值加减一定倍数的标准差;
单因素方差分析中,当p<0.05,则接受备择假设,即至少有两组之间的均值有显著性差异;
单因素方差分析的假设:
1.每个总体服从正太分布
2.每个总体的方差相同
3.从每个总体中抽取的样本是相互独立的
在不知道具体比例的情况下,通常取P=0.5来计算最大样本量;
方差分析主要用来比较两个或多个组的平均数差异,通常自变量是分类型
,因变量是连续型
;
相对于主成分分析而言,因子分析时更偏向解释的分析时,需要进行因子分析,而类似于综合排名、综合打分这样无需进行解释的分析可以进行主成分分析;
因子分析通常不适用于预测模型 ,它更侧重于变量的可解释性
而非预测准确性 ;
进行主成分分析(PCA)之前,如果变量的取值范围相差很大,先对每个变量进行中心化,然后使用相关系数矩阵
代替协方差矩阵计算主成分;
多元线性回归模型m,输出模型的残差图:plt.scatter(m.predict(data),m.resid),
resid:残差序列
在进行逻辑回归模型的系数解释时,应借助优势比
的概念来进行,所以1作为参考进行解释;
在逻辑回归中,使用classification_report
输出分类报告时要求输入的是真实标签和预测标签:
classification_report(y,y_hat) 预测
;
在逻辑回归模型中,使用约登指数
来确定最优阈值,具体是选择使得==(tpr-fpr)==达到最大
的时候的阈值作为最优阈值
;
逻辑回归通过logit模型转换后,输出0-1的概率值;
目标函数包括决策变量;
在高斯马尔科夫假设中,线性回归对·残差序列·的假设包括:不相关、正态性和同方差;
岭回归和Lasso回归属于·收缩方法·,
可以处理多重共线性问题,但会改变原有回归模型;
向后回归法要求样本量必须大于自变量的个数,否则模型会过拟合;
QQ检验确保扰动性服从正太分布;
在时间序列的差分操作中,包括·阶次差分·主要是用来消除长期趋势的影响,而·步次差·分主要是用来消除季节效应的影响; 先阶次再步次
在对时间序列模型进行评估时,常用的方法是残差的噪声检验;
聚类算法:A(2,3) B(5,-1)
欧氏距离
:求斜线,结果为5
曼哈顿距离
:求绝对值,结果为|5-2|+|-1-3|=7
在使用Excel计算假设检验中对应的p值
时,使用的函数是DIST(),计算临界值
时使用的函数是INV();
根据数据收集方式的分类,分为实验数据和观测数据,观测数据又分为追溯型
、跟踪数据
;
数据治理域包括:数据战略与规划、组织架构与职责、管理流程与管理制度;
数据应用域包含:监管报表应用、精准营销应用、产品创新应用;
设计逻辑模型时,要遵循范式
的设计概念,减少冗余,完整性和可扩展性;
OLAP系统的响应时间合理
,OLTP系统对响应时间要求高
;
概念模型描述企业内主要业务的实体及实体间的业务关系,不需要对实体属性具象化;
学校→学生→应用
在信息不足的情况下,对照其它信息源进行修正;
指标不足的情况下,对照其它信息源进行修正;
指标体系包括:根指标、组合指标、派生指标,用户指标属于维度库;
根指标:销售额、净利润
组合指标:客单价=销售额/下单用户数
派生指标:客户流失率=流失用户数/总用户数,流失用户数为组合指标
根指标+维度指标→组合指标+根指标→派生指标
连续型变量:
中心标准化
:Xi-mean(x)/Stdx
归一化
:Xi-min(x)/max(x)-min(x)
分箱:
等宽
:取值范围一样
等深
:观察值数量一样
期望频数=(行数/样本量列数/样本量)样本量=(行数列数)/样本量)
卡方贡献=(观察频数-期望频数)2/期望频数) 远大于增大贡献率
卡方检验自由度=(行数-1)(列数-1)
Python抽样:
1.random.sample:无放回→replace→False
2.random.choice:没有指定replace,默认True,有放回;
apply方法不能用来填充缺失值,lambda函数针对的是一个元素值,而不是一个series对象;
data_raw[‘gender’]=data_raw[‘gender’].replace({‘Male’:1,‘Female’:0}),
可以用于数据编码,并未处理缺失值;
sklearn+PCA:
preprocessing.scale(data):标准化到均值0方差1,不是归一化,是中心化
PCA(n_comporents=9):将数据降维到9个成分,不是降维了
pca.explanined_variance_:输出降维后各主成分的方差
pca.explanined_variance_:各主成分方差占总差分的比例
Python中删除多列的方式为:
df.drop(["A’,‘B’].axix=1),指定列
df.drop(columns=[‘A’,‘B’]),指定列名
这篇关于CDA二级(Level II)数据分析师——考试内容梳理四的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!