如何为时间序列数据优化K-均值聚类速度

2017-11-24

时间序列数据(Time Series Data)是按时间排序的数据，利率、汇率和股价等都是时间序列数据。时间序列数据的时间间隔可以是分和秒(如高频金融数据)，也可以是日、周、月、季度、年以及甚至更大的时间单位。数据分析 ...

聚类算法实践一层次聚类、K-means聚类

2017-07-25

聚类算法实践一层次聚类、K-means聚类 所谓聚类，就是将相似的事物聚集在一 起，而将不相似的事物划分到不同的类别的过程，是数据分析之中十分重要的一种手段。比如古典生物学之中，人们通过物种的形貌特征将其 ...

数据挖掘的常用方法、功能和一个聚类分析应用案例

2017-05-04

数据挖掘的常用方法、功能和一个聚类分析应用案例 一、数据挖掘的常用方法 利用数据挖掘进行数据分析常用的方法主要有分类、回归分析、聚类、关联规则、特征、变化和偏差分析、Web页挖掘等，它们分别从不 ...

机器理解大数据的秘密:聚类算法深度详解

2017-04-03

机器理解大数据的秘密:聚类算法深度详解 在理解大数据方面，聚类是一种很常用的基本方法。近日，数据科学家兼程序员 Peter Gleeson 在 freeCodeCamp 发布了一篇深度讲解文章，对一些聚类算法进行了基础介绍， ...

数据挖掘方法功能和聚类分析案例

2017-03-01

数据挖掘方法功能和聚类分析案例 一、数据挖掘的常用方法 利用数据挖掘进行数据分析常用的方法主要有分类、回归分析、聚类、关联规则、特征、变化和偏差分析、Web页挖掘等，它们分别从不同的角度对数据进行 ...

R语言的三种聚类方法

2017-02-24

R语言的三种聚类方法 一、层次聚类 1)距离和相似系数 r语言中使用dist(x, method = “euclidean”,diag = FALSE, upper = FALSE, p = 2) 来计算距离。其中x是样本矩阵或者数据框。method表示计算哪种距离 ...

聚类分析案例之市场细分

2017-02-24

聚类分析案例之市场细分 从实际应用的角度看，聚类分析是数据挖掘的主要任务之一。而且聚类能够作为一个独立的工具获得数据的分布状况，观察每一簇数据的特征，集中对特定的聚簇集合作进一步地分析。 聚 ...

R语言实现层次聚类分析案例

2016-11-30

R语言实现层次聚类分析案例 聚类分析，对样品或指标进行分类的一种分析方法，依据样本和指标已知特性进行分类。 本节主要介绍R语言层次聚类分析，一共包括3个部分，每个部分包括一个具体实战例子。 一、 ...

【CDA干货】零售客户行为数据挖掘的方法、模型与实战应用研究

2026-08-27

随着新零售模式的快速普及，零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频次、客单价、购物偏好等海量客户行为数据，成为零售企业精细化运营、精准营销、客户留 ...

从“杂乱信号”到“有序资产”：CDA数据分析师视角下的数据分类

2026-08-24

 很多数据分析师拿到数据就开始清洗、建模，但当被问到“这批数据属于什么类型——结构化还是非结构化？分类变量还是数值变量？各适合使用哪种统计分析方法”时，却常常语塞。其实，数据分类是数据分析的“第一道 ...

从“标签”到“人”：CDA数据分析师视角下的用户画像

2026-08-19

 很多数据分析师能熟练地计算指标、搭建标签体系，但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何指导业务”时，却常常答不上来。其实，标签是对一个用户“打点描述”，画像是对一群人 ...

【CDA干货】基于Pandas库的Excel多字段条件筛选数据处理方法与实战应用

2026-08-12

在数据分析日常工作中，Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式，面对多字段叠加条件、复杂逻辑筛选、大批量数据处理时，存在操作繁琐、卡顿低效、易出错、无 ...

【CDA干货】数据分析中异常值的识别方法、处理策略与实战应用

2026-08-11

在数据分析、统计建模、数据挖掘与商业调研过程中，原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突发业务事件、极端个体样本等因素影响，数据集中经常会出现偏离正常取值范围、明显异于 ...

【CDA干货】选择统计方法前最重要的核心工作：避免90%的统计分析错误

2026-07-31

在数据分析、问卷研究、实验复盘、业务建模的工作中，大多数人最关注的是“用什么统计方法”：是做T检验、方差分析、卡方检验，还是回归、因子分析。但在实际工作中，90%的统计错误，并不是方法用错了公式，而是选方 ...

【CDA干货】问卷效度高与后续因子分析：逻辑关系、核心作用与实操意义

2026-07-30

在问卷调研的数据分析流程中，“先检验信效度，再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高，后续可以做因子分析”的说法，但常常不清楚二者的因果关系、因子分析的具体作用，以及为什么必 ...

【CDA干货】特征置换重要性分析：原理、计算流程、优劣势与业务应用

2026-07-29

在机器学习建模与特征工程实践中，判断不同特征对模型预测效果的贡献度，是特征筛选、模型解释、业务归因的核心环节。特征置换重要性（Permutation Feature Importance）是一类应用广泛、模型无关的特征重要性评估方 ...

CDA 持证人专访：杨迅谈保险行业数据产品与数据中台实践

2026-07-22

【核心关键词】埋点、产品、互联网、数据库、决策、数据分析、产品经理、商业模式、移动互联网、指标体系、运营模块、大数据平台、数据仓库、数据指标、业务系统、业务需求、业务目标、系统数据 【专访摘要】本次 C ...

【CDA干货】金融行业运营风险监测：核心统计分析方法与建模应用体系

2026-07-17

金融行业的运营风险贯穿业务全流程，涵盖交易欺诈、操作违规、流程漏洞、合规偏差、客户信用异常等多元场景，是银行、保险、证券、支付等机构经营中不可忽视的核心风险。传统运营风险管控多依赖人工稽核、事后排查、 ...

从“杂乱信号”到“有序资产”：CDA数据分析师视角下的数据分类

2026-07-15

 很多数据分析师拿到数据就开始清洗、建模，但当被问到“这批数据属于什么类型——结构化还是非结构化？分类变量还是数值变量？各适合使用哪种统计分析方法”时，却常常语塞。其实，数据分类是数据分析的“第一道 ...

从“标签”到“人”：CDA数据分析师视角下的用户画像

2026-07-10

 很多数据分析师能熟练地计算指标、搭建标签体系，但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何指导业务”时，却常常答不上来。其实，标签是对一个用户“打点描述”，画像是对一群人 ...