本文讲述了数据分析师应当了解的五个统计基本概念：统计特征、概率分布、降维、过采样/欠采样、贝叶斯统计方法。 利用统计学，我们可以更深入、更细致地观察数据是如何进行精确组织的，并且基于这种组织结构， ...
2020-05-18在过去的几十年中，机器学习领域发生了巨大的变化。诚然，有些方法已经存在很长时间了，但仍然是该领域的主要内容。例如，Legendre和Gauss已经在19世纪初提出了最小二乘的概念。在最近的几十年中，诸如神经网络等 ...
2020-05-14
xpath，英文全称XML Path Language，即XML路径语言，它是一种用来确定XML文档中某部分位置的语言，可以在 XML文档中查找相关的信息，相对而言功能还是比较强大的。 xpath最初是一个通用的、介于XPointer与XSL间的语 ...
2020-05-14
是一种可以从html和xml中快速提取内容的python库，共有四种类型，对于爬虫解析来说，主要用其中的遍历文档树和搜索文档树 BeautifulSoup The Dormouse\'s story Once upon a time there were thr ...
2020-05-14
在JavaScript教程有同步加载与异步加载，大家知道它们指什么吗？ 什么是同步加载？ 在加载数据时仍然执行其他程序，通常加载时是不执行程序的，我们不得不等进度条，因为很多程序在没有加载数据时， ...
2020-05-14
随着机器学习的兴起，Python 逐步成为了「最受欢迎」的语言。它简单易用、逻辑明确并拥有海量的扩展包，因此其不仅成为机器学习与数据科学的首选语言，同时在网页、数据爬取scrapy可科学研究等方面成为不二选择。 ...
2020-05-14
大数据时代下，凭借数据管理框架中的重要管理职能，元数据管理也越来越频繁的出现在大家的视野中。 元数据及应用也是数据仓库的重要组成部分，它是描述数据的数据（data about data)，描述数据的属性信息，可以帮助 ...
2020-05-14
R语言中的dplyr包非常神奇，里面包含很多的函数，今天我们就来介绍下窗口函数的应用。 窗口函数应用 mtcars %>% group_by(cyl) %>% mutate(rank = min_rank(desc(mpg))) mtcars %>% group_by(cyl) ...
2020-05-14
postgreSQL是一款先进的开源数据库，拥有非常齐全的自由软件的对象-关系型数据库管理系统（ORDBMS），可面向企业复杂SQL的OLTP业务场景，支持多项企业级功能，能解决使用数据库的各种难题。 PostgreSQL的优势有很多 ...
2020-05-14
Spark为结构化数据处理引入了一个称为Spark SQL的编程模块。简而言之，sparkSQL是Spark的前身，是在Hadoop发展过程中，为了给熟悉RDBMS但又不理解MapReduce的技术人员提供快速上手的工具。 sparkSQL提供了一 ...
2020-05-14
维度表和事实表，在构建企业级数据仓库时经常能见到。维度表被看成是用户用来分析一个事实的窗口，它里面的数据应该是对事实的各个方面描述，简而言之就是基础表，如：时间维度表，它里面的数据就是一些日，周，月， ...
2020-05-14
大数据作为继云计算、物联网之后IT行业又一颠覆性的技术，备受关注，要想知道大数据创业方向，一定要知道。Kettle作为ETL工具，在数据管理环节出现，那么我们一起来看看，大数据产业链包括哪几个环节 IT基 ...
2020-05-14
hive默认将元数据存储到本地内嵌的Derby数据库中，但是Derby不支持多会话链接，因此我们使用mysql数据库来存储hive的元数据。配置完成hiveSQL的元数据库之后再开始安装、配置hive。 1、在线安装mysql ...
2020-05-14
最近项目需要一个数据收集分析的功能，做了一些调研。我们一起来看看flume是主流吗？ 目前做网络统计的方式有两大类： 1. Page Tagging， 即页面埋点；web端用js，移动端使用共用api。 2. ...
2020-05-13
rdd，英文全称为：Resilient Distributed Dataset，中文简称“弹性分布式数据集”，spark中最基础的抽象数据结构。 RDD具备分区、不可变、并行操作这三个基本特性，表现形式为不可变的分区元素的集合，并且可以在集 ...
2020-05-13
Mapreduce是种编程模型，结合了概念\"Map（映射）\"和\"Reduce（归约）\"，用于大规模数据集（大于1TB）的并行运算。它极大地方便了编程人员在不会分布式并行编程的情况下，将自己的程序运行在分布式系统 ...
2020-05-13
docker源自PaaS提供商dotCloud，是一个基于LXC的开源的高级应用容器引擎，源代码托管在 Github 上, 基于go语言并遵从Apache2.0协议开源。 容器是完全使用沙箱机制，使用者可以将其应用打包后放入docker ...
2020-05-13
Spark Streaming、Flink、Kafka三者都是真正的实时处理，它们分别是什么呢？我们今天来了解下。 什么是Spark Streaming？ spark streaming是真正的实时处理，是微批处理。 什么是Flink？ flin ...
2020-05-13
一般来说，python中DataFrame是可以执行的，可能是初学者在使用过程中，引入了两个DataFrame，导致pandas的DataFrame被覆盖，从而无法运行。 引用zdpandas的DataFrame 我们不会直接引入DataFrame，而是 ...
2020-05-13
Flink其实就是ApacheFlink，是一款业内非常火的大数据产品，由Apache软件基金会开发，核心是用Java和Scala编写的分布式流数据流引擎。Apache Flink是个旨在提供‘一站式’ 的分布式开源数据处理框架。 Flink ...
2020-05-13在数据分析与建模中，“显性特征”（如用户年龄、订单金额、商品类别）是直接可获取的基础数据，但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型（LLM）商业化落地过程中，“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言，相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下，企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域，“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别（是 / 否）” 到 “疾病诊断（良性 ...
2025-11-06在数据分析中，面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量，我们常常需要回答： ...
2025-11-06在 CDA（Certified Data Analyst）数据分析师的工作中，“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中（如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”），卡方检验 P 值与 OR 值（比值比，Odds Ratio）是 ...
2025-11-05CDA 数据分析师的核心价值，不在于复杂的模型公式，而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口：https://edu.cda.cn/goods/show/3151 “纲举目张，执本末从。” 若想在数据分析领域有所收获，一套合适的学习教材至 ...
2025-11-05教材入口：https://edu.cda.cn/goods/show/3151 “纲举目张，执本末从。” 若想在数据分析领域有所收获，一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材：CDA教材一级：商业数据分析（2025）__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代，数据挖掘不再是实验室里的技术探索，而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM（Denoising Diffusion Probabilistic Models）训练过程中，开发者最常困惑的问题莫过于：“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA（Certified Data Analyst）数据分析师的工作中，“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时，他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点，理解二者区别是避免统计方法误用的关键。核心结论是：stats.ttest_rel（配对 ...
2025-11-03在 CDA（Certified Data Analyst）数据分析师的工作中，“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中，“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中，“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”，直观呈现数据的分布特征 ...
2025-10-31在 CDA（Certified Data Analyst）数据分析师的工作中，“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31
