![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
CDA
文章平均质量分 69
rubyw
Data Analyst
让我们一起愉快地搞数据分析吧!
展开
-
CDA二级(Level II)数据分析师——考试内容梳理四
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。m,输出模型的残差图:plt.scatter(m.predict(data),m.resid),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。下,实际算出来的统计量的值为2.75,P=T.DIST(2.75:2:TRUE)EXCEL计算:α±Z0.025*STDEV.S(A:A)/(AQRT(n),df.drop(["A’,‘B’].axix=1),指定列。原创 2024-06-18 23:06:05 · 609 阅读 · 0 评论 -
CDA二级(Level II)数据分析师——考试内容梳理三(简单重点案例)
负样本中被误认为正样本的概率 FP/FP+TN。:正样本中被预测为正样本的概率 TP/TP+FN。:预测的正样本中有多少预测正确 TP/TP+FP。SSR的MS=6.44/1=6.44(4):真正的正样本中有多少预测正确。SSR的自由度为n,模型参数个数1。为预测3中场景销量,这组数据的。SSE的自由度为18。原创 2024-06-18 19:21:20 · 360 阅读 · 0 评论 -
CDA二级(Level II)数据分析师——考试内容梳理二
自相关(ACF)q阶截尾,偏自相关(PACF)拖尾;信度为预测3中场景销量,这组数据的标准差的倒数(n-1):许多个个体在同一个时间下由于个体不同而产生的数据;:许多个个体,由于个体不同以及时间棉花而缠身的数据;,其在代数上将原随机向量的协方差阵换成对接方阵;:自相关系数拖尾,偏自相关系数拖尾;综合三人判断,预测年度销量:1640+1800。是一种用来描述业务实体特征的·数据形式·;:自相关拖尾,偏自相关截尾;:自相关截尾,偏自相关拖尾;:某一个个体随时间变化产生的数据;中,组内误差和反映的是。原创 2024-06-18 00:15:52 · 402 阅读 · 0 评论 -
CDA二级(Level II)数据分析师——考试内容梳理一
考试知识点梳理总结原创 2024-06-17 23:19:05 · 564 阅读 · 0 评论