指标异动排查中,3种快速定位异常维度的方法

本文介绍了3种在指标异动排查中快速定位异常维度的方法:基于卡方检验、决策树和相对熵。卡方检验用于判断分布是否一致,决策树能挖掘异常维度并可视化,相对熵通过JS散度量化分布差异。每种方法都有其优势和劣势,适用于不同的场景。
摘要由CSDN通过智能技术生成

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,

欢迎移步公众号「小火龙说数据」,更多精彩原创文章与你分享!

「经验」指标异动排查中,3种快速定位异常维度的方法icon-default.png?t=M276https://mp.weixin.qq.com/s?__biz=MzkxNzMwNTEwNQ==&mid=2247485346&idx=1&sn=e0e2bd33fbd6827d0a9fc3305a8e824b&chksm=c143e5dcf6346cca8d32b2f48496cee69e73fe60a56e015fdc4a01c7d984ff124020e65437a5&scene=178&cur_album_id=2145904848557391877#rd

01 基于「卡方检验」的异常维度挖掘

1、方法介绍

首先向大家介绍基于卡方检验的方式。提到卡方检验大家应该都不陌生,卡方检验是一种用途很广的假设检验方式,属于非参检验范畴,其目的是比较理论频次与实际频次是否吻合,是否属于同一分布。核心步骤如下:

首先:设定假设检验的 原假设H0 和 备选假设H1。<

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小火龙说数据

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值