CDA二级(Level II)数据分析师——考试内容梳理四

2024-06-19 01:12

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

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;

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

时间序列差分操作中,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!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/1073592

相关文章

Java利用JSONPath操作JSON数据的技术指南

《Java利用JSONPath操作JSON数据的技术指南》JSONPath是一种强大的工具,用于查询和操作JSON数据,类似于SQL的语法,它为处理复杂的JSON数据结构提供了简单且高效... 目录1、简述2、什么是 jsONPath?3、Java 示例3.1 基本查询3.2 过滤查询3.3 递归搜索3.4

MySQL大表数据的分区与分库分表的实现

《MySQL大表数据的分区与分库分表的实现》数据库的分区和分库分表是两种常用的技术方案,本文主要介绍了MySQL大表数据的分区与分库分表的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有... 目录1. mysql大表数据的分区1.1 什么是分区?1.2 分区的类型1.3 分区的优点1.4 分

Mysql删除几亿条数据表中的部分数据的方法实现

《Mysql删除几亿条数据表中的部分数据的方法实现》在MySQL中删除一个大表中的数据时,需要特别注意操作的性能和对系统的影响,本文主要介绍了Mysql删除几亿条数据表中的部分数据的方法实现,具有一定... 目录1、需求2、方案1. 使用 DELETE 语句分批删除2. 使用 INPLACE ALTER T

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

Redis 中的热点键和数据倾斜示例详解

《Redis中的热点键和数据倾斜示例详解》热点键是指在Redis中被频繁访问的特定键,这些键由于其高访问频率,可能导致Redis服务器的性能问题,尤其是在高并发场景下,本文给大家介绍Redis中的热... 目录Redis 中的热点键和数据倾斜热点键(Hot Key)定义特点应对策略示例数据倾斜(Data S

Python实现将MySQL中所有表的数据都导出为CSV文件并压缩

《Python实现将MySQL中所有表的数据都导出为CSV文件并压缩》这篇文章主要为大家详细介绍了如何使用Python将MySQL数据库中所有表的数据都导出为CSV文件到一个目录,并压缩为zip文件到... python将mysql数据库中所有表的数据都导出为CSV文件到一个目录,并压缩为zip文件到另一个

SpringBoot整合jasypt实现重要数据加密

《SpringBoot整合jasypt实现重要数据加密》Jasypt是一个专注于简化Java加密操作的开源工具,:本文主要介绍详细介绍了如何使用jasypt实现重要数据加密,感兴趣的小伙伴可... 目录jasypt简介 jasypt的优点SpringBoot使用jasypt创建mapper接口配置文件加密

使用Python高效获取网络数据的操作指南

《使用Python高效获取网络数据的操作指南》网络爬虫是一种自动化程序,用于访问和提取网站上的数据,Python是进行网络爬虫开发的理想语言,拥有丰富的库和工具,使得编写和维护爬虫变得简单高效,本文将... 目录网络爬虫的基本概念常用库介绍安装库Requests和BeautifulSoup爬虫开发发送请求解

Oracle存储过程里操作BLOB的字节数据的办法

《Oracle存储过程里操作BLOB的字节数据的办法》该篇文章介绍了如何在Oracle存储过程中操作BLOB的字节数据,作者研究了如何获取BLOB的字节长度、如何使用DBMS_LOB包进行BLOB操作... 目录一、缘由二、办法2.1 基本操作2.2 DBMS_LOB包2.3 字节级操作与RAW数据类型2.

MySQL使用binlog2sql工具实现在线恢复数据功能

《MySQL使用binlog2sql工具实现在线恢复数据功能》binlog2sql是大众点评开源的一款用于解析MySQLbinlog的工具,根据不同选项,可以得到原始SQL、回滚SQL等,下面我们就来... 目录背景目标步骤准备工作恢复数据结果验证结论背景生产数据库执行 SQL 脚本,一般会经过正规的审批