《深入浅出数据分析》读书笔记

1.数据分析基本流程：
确定问题-分解问题-评估-决策
2.对不明显的数据，要进行数据挖掘来发现有用的知识
3.心智模型：大脑利用新信息的工具
4.当怀疑因果走向时，注重反向思考(B影响A)
5.混杂因素：演技对象的个人差异
怎样查清混杂因素:就自己正在研究的问题问自己一些常识性问题，借此想象这些变量是否会影响你的分析结果。
6.控制组（对照组）：
一组体现现状的处理对象，未经过任何新的处理。

分析工具：实验设计、最优化、图表、假设检验、贝叶斯规则·
7.最优化问题： c表示约束条件：c1p1+c2p2=P（目标，期待的最大化对象）
8.数据图形化的根本在于正确比较.
散点图：发现因果关系
9.伪证法（排除异质数据）：剔除无法证实的假设—>对假设进行评级，不利证据越少的越排在前面。
10.诊断性：能够帮助你评估各种假设的相对强度（存在支持假设和不利假设），证据和数据就具有诊断性。
11.直接概率问题（贝叶斯）

贝叶斯规则：在假设成立或者不成立的条件下看证据出现的几率。

12.启发式:一种解决问题的方法，可能得出正确答案，但不保证得出最优化答案。最优化是最理想的情况。
13.直方图：通过数据子集分析数据
散点图：将不同变量放在一起比较（通常是一个点代表一个对象的不同变量）
使用平均值图预测每个区间内的数值。（显示x轴上的每个区间相对应的Y轴的数值）
14.回归分析：预测未来。算法：不同要求带来的不同结果，决策过程。
相关性为1或者-1都有充足的理由使用回归线
15.误差：外插法：用回归方程预测数据范围以外的数据值
机会误差、残差：实际结果与预测结果之间的偏差