3、Python 数据的分析、可视化与机器学习应用

Python 数据的分析、可视化与机器学习应用

1. 数据可视化工具——箱线图

箱线图是用于展示数值数据分布的工具，尤其适用于跨不同组进行数据比较。它能让人一眼获取数据的高层次信息，例如数据的对称性、偏度、方差以及异常值等细节。

2. 机器学习在业务运营中的应用概述

机器学习聚焦于理解和开发“学习”过程，即利用数据提升特定任务表现的过程，它是人工智能的一部分。借助机器学习，企业能够高效地从非结构化数据中提取知识。无需大量编程，机器学习算法就能从给定数据集中迭代学习，理解数据中的模式和行为。

2.1 技术要求

• 运行 Python 3.7 及以上版本的 Jupyter 笔记本实例。若有 Google Drive 账户，也可使用 Google Colab 笔记本。
• 具备基本的数学和统计概念知识。
• 从指定 GitHub 页面下载示例数据集，原始数据源为 https://python.cogsci.nl/numerical/statistics/。

2.2 t 检验验证变化效果

2.2.1 独立样本 t 检验

当测量某些行动对特定用户群体的影响时，可使用 t 检验来验证这些行动是否对目标群体产生了显著影响。t 检验用于比较两组数据的均值，以确定某种方法或处理是否对目标群体有影响，或者两组数据是否存在差异，常用于假设检验。

以 Matzke 等人（2015）的数据集为例，参与者需完成记忆单词列表的挑战。一组参与者在记忆间隔期间专注于显示屏上的中央固定点，另一组则持续水平移动眼睛。为确